Ученые нашли ключ к почти идеальной точности роботов: не в разнообразии, а в порядке примеров

Прорыв в робототехнике: новый взгляд на обучение

Как сообщает НВ — Техно: Специалисты из Нью-Йоркского университета Тандон и Института робототехники и искусственного интеллекта пришли к неожиданному выводу: для освоения сложных операций роботам важнее не количество разных примеров, а их правильная последовательность. Исследователи разработали свежие алгоритмы планирования движений, которые создают именно такие упорядоченные обучающие данные. Как показали тесты, роботы, прошедшие подготовку на подобных наборах, справляются с задачами намного успешнее.

Для автоматической генерации учебных примеров в виртуальных симуляциях инженеры применили алгоритмы планирования движений. Традиционные методы, например, алгоритмы быстрого исследования случайных деревьев (RRT), часто выдавали слишком разные варианты решений. Это мешало обучению: «Эти алгоритмы отлично находят способы решить задачу, но когда каждый вариант выглядит по-своему, системе сложно понять, какую именно модель поведения нужно усвоить», - пояснил соавтор работы Хуайцзян Чжу.

Два новых подхода к планированию

Команда предложила две оригинальные методики. Первая делает упор на стабильное продвижение к цели, а вторая использует заранее заданный набор движений, чтобы минимизировать различия между примерами. Их эффективность проверили на двух сложных сценариях:

• Пара роботизированных манипуляторов должна была развернуть большой цилиндр на 180 градусов.
• Роботизированная рука перекатывала куб в ладони до нужного положения.

Итоги впечатлили исследователей: после обучения на 100 показательных сессиях система с двумя манипуляторами продемонстрировала почти безупречную точность. Примечательно, что навыки, приобретённые в симуляции, успешно перенеслись на реальное оборудование без дополнительной настройки. На практике двухманипуляторный робот выполнил 90% попыток, а роботизированная рука справилась примерно с 62% задач. Эти данные подтверждают, что последовательность учебных примеров играет решающую роль в подготовке роботов.

Такие исследования способны серьёзно повлиять на будущее робототехники, предлагая новые методы эффективного обучения. Применение упорядоченных примеров может сократить время и затраты на подготовку, что особенно важно для внедрения роботов в промышленность и другие сферы. Кроме того, эти новшества расширяют возможности машин при выполнении сложных операций, что ускорит их интеграцию в повседневную жизнь и производство.

В то время как новые методы обучения роботов показывают высокую эффективность, интересные достижения в области робототехники продолжают удивлять. Например, недавно роботизированная рука с четырьмя пальцами научилась играть на фортепиано всего за 120 секунд, что подчеркивает невероятный потенциал современных технологий в обучении и управлении роботами. Эти примеры демонстрируют, как инновационные подходы могут значительно ускорить процесс освоения сложных навыков.