Метод обучения с подкреплением позволил научить роботов собирать дженгу
Специалисты Калифорнийского университета в Беркли (США) разработали эффективный способ обучения роботов с помощью искусственного интеллекта (ИИ). Результаты исследования опубликованы на сайте организации.
Ученые разработали новую модель обучения с подкреплением, опираясь на ИИ и камеры. Инженеры заставили роботов повторять определенные действия, совершать ошибки и учиться на них. Для анализа ситуации, своих действий, помощи оператора и обратно связи машины полагались на камеры и сенсоры.
По словам участника исследования Цзяньланя Ло, на первом этапе ему приходилось постоянно помогать роботу и показывать пример. Он отметил, что он «нянчился» с роботом 30 процентов своего времени, но с каждой попыткой устройство выполняло задачу все лучше и лучше. В качестве примера они привели эксперимент, где робот с хлыстом наносил удары по башне в игре «дженга», точно выбивая блоки, и собирал мебель.
Ло заметил, что играющий в «дженгу» робот с хлыстом выглядит невероятно: «Я пробовал сделать то же самое с хлыстом в руке, и мой успех был равен нолю процентам». По словам специалиста, в будущем машины можно будет обучать любым механическим задачам — от ремонта автомобиля до приготовления пищи.
В конце ноября ученые из России создали первую открытую среду для исследований и разработки алгоритмов в области контекстного обучения с подкреплением — XLand-MiniGrid. Отмечается, что среда уже получила признание в международном исследовательском сообществе.
