 |
|
Способ ускорить процесс освоения роботами новых задач
|
| Американские математики разработали новый подход к обучению нейросетей для управления роботами, который значительно ускоряет процесс освоения ими новых навыков и позволяет ИИ решать сложные задачи за очень небольшое количество проб и ошибок. Об этом сообщила пресс-служба Северо-Западного университета. "Роботы под управлением нашего алгоритма были более быстрыми и умелыми, чем машины под контролем уже существующих систем ИИ. Это очень важный плюс для использования роботов для решения реальных задач, так как у машин в таких ситуациях обычно нет ни времени, ни возможностей на поиски ответов при помощи метода проб и ошибок", - пояснил научный сотрудник Северо-Западного университета (США) Томас Берруэта, чьи слова приводит пресс-служба вуза. |
|
| Как отмечают Берруэта и его коллеги, разработанный ими подход для обучения призван решить две главные проблемы, мешающие использованию ИИ в управлении роботами, - неспособность нейросетей одинаково качественно решать схожие, но несколько разные проблемы, а также необходимость использовать большие объемы данных для обучения ИИ при переключении робота на новые задачи. И то, и другое, по словам ученых, связано с отсутствием у данных форм ИИ способности к обобщению накопленного опыта. Американские математики выяснили, что эту проблему можно решить, если использовать при разработке алгоритмов управления роботами созданный ими подход, который максимально разнообразит процесс обучения ИИ при решении схожих классов задач. Для его создания ученые внедрили несколько математических концепций из теории динамических систем в процесс формулировки задач для обучения, а также в алгоритм оценки успешности действий нейросети. |
| Эти изменения позволяют управляющему алгоритму совершать максимально случайные действия в процессе обучения и без помощи человека собирать очень большое количество сведений о свойствах и устройстве среды, в которой находится робот. Данная особенность новой методики обучения, как отмечают исследователи, позволила их разработке обойти все уже существующие системы ИИ для управления роботами, а также решить многие сложные навигационные задачи с первой попытки. По словам исследователей, созданный ими подход для обучения является универсальным. Его можно применять для создания управляющих систем не только для мобильных роботов, но и роботизированных манипуляторов на конвейерах заводов, а также прочих систем, которые решают сложные механические задачи, далеко не всегда попадающие под один общий шаблон. Внедрение данного алгоритма в работу сделает их более безопасными и значительно расширит спектр решаемых задач, подытожили математики. |
| Источник |
