Группа ученых Вашингтонского университета разработала инновационный метод обучения роботов. Работа опубликована в Science Robotics и призвана решить давнюю проблему: как научить роботов с разной конструкцией перенимать навыки друг у друга.
Традиционные подходы требуют, чтобы физические возможности роботов совпадали с возможностями «учителя» — это серьезно ограничивает адаптацию в реальных условиях. Новое решение, названное Intention-Aligned Imitation Learning (IAIL), работает иначе. Вместо копирования движений роботы анализируют намерение — цель, описанную на естественном языке, — и подбирают способ ее достижения исходя из собственных возможностей.
Команда создала общее пространство намерений: векторные представления движений сопоставили с текстовыми аннотациями. Это позволило оценивать схожие цели у роботов с разной конструкцией. Затем обучающийся робот выбирает наиболее подходящее поведение из своего предварительно обученного репертуара.
Метод протестировали на семи роботах в 30 сценариях. Эксперимент подтвердил: IAIL позволяет организовать командную работу разнородных машин и адаптировать их поведение к разным задачам.
Вместо того, чтобы воспроизводить низкоуровневые двигательные действия или особенности, связанные с конкретным воплощением, наш подход позволяет сопоставлять и объединять модели поведения в зависимости от целей задачи, что способствует обмену опытом как между агентами, так и между командами
Подход вдохновлен успехами человеческого культурного обучения: люди в первую очередь копируют намерения, а не точные движения. IAIL может найти применение в производстве, сельском хозяйстве и здравоохранении — там, где важно гибкое взаимодействие роботов разной конструкции и возможностей.
Ранее Наука Mail рассказывала, что в Пекине на полумарафон выйдут 300 человекоподобных роботов.
