Революционные методы дрессировки собак позволяют роботам быстро осваивать новые навыки

С тренировочной техникой, обычно используемой для обучения собак сидеть и оставаться, ученые-компьютерщики показали роботу, как научить себя нескольким новым трюкам, включая сложение блоков. С этим методом робот (названный Spot) смог научиться за дни то, что обычно занимает месяц. Используя позитивное подкрепление — подход, знакомый каждому, кто использовал лакомства для изменения поведения собаки — команда драматически улучшила навыки робота и сделала это достаточно быстро, чтобы обучение роботов для реальной работы стало более выполнимым предприятием.

В отличие от людей и животных, рожденных с высокоинтуитивными мозгами, компьютеры — чистые листы и должны учиться всему с нуля. Но истинное обучение часто достигается пробой и ошибкой, и роботизисты все еще выясняют, как роботы могут эффективно учиться на своих ошибках. Команда добилась этого, придумав систему вознаграждения, работающую для робота так, как лакомства для собаки. Там, где собака может получить печенье за хорошо сделанную работу, робот зарабатывал числовые очки.

Чтобы сложить блоки, роботу Spot нужно было научиться фокусироваться на конструктивных действиях. Пока робот исследовал блоки, он быстро понял, что правильное поведение для складывания приносит высокие очки, а неправильные — ничего. Spot зарабатывал больше всего, ставя последний блок на вершину четырехблочной башни.

Тактика тренировки не только сработала, но также заняла всего дни, чтобы научить робота тому, что раньше занимало недели. Команда смогла сократить время практики, сначала обучив симулированного робота, что очень похоже на видеоигру, затем проведя тесты с Spot. Робот быстро учит правильное поведение для получения лучшей награды. Фактически, то, что раньше требовало месяца практики для достижения 100% точности, было сделано за два дня.

Позитивное подкрепление не только помогло роботу научиться складывать блоки, но и с системой очков робот быстро выучил несколько других задач — даже как играть в симулированную навигационную игру. Способность учиться на ошибках во всех типах ситуаций критична для проектирования робота, который мог бы адаптироваться к новым средам.

Команда представляет, что эти находки могут помочь обучить домашних роботов стирать белье и мыть посуду — задачи, которые могут помочь пожилым жить независимо. Это также может помочь спроектировать улучшенные беспилотные авто или выполнять продуктовую сборку.

Для получения информации свяжитесь с Джил Розен по email (защищен от спам-ботов, нужен JS); 443-547-8805.