Nowa metoda treningu AI

fot. pixabay

Nowa metoda oparta na sztucznej inteligencji, opracowana pod przewodnictwem dr Alirezy Rastegarpanaha z Uniwersytetu Aston, może zrewolucjonizować sposób szkolenia zaawansowanych systemów robotycznych do wykonywania rzeczywistych zadań, czyniąc je bardziej praktycznymi i niezawodnymi.

Dr Rastegarpanah wspólnie z Jamiem Hathaway z Extreme Robotics Lab na Uniwersytecie w Birmingham prowadził badania mające na celu uzupełnienie luki między symulacją a rzeczywistością. Jest to od dawna aktualne wyzwanie w robotyce, odnoszące się do różnicy między zachowaniem robotów w symulacji a ich zachowaniem w świecie rzeczywistym.

Celem badań, opublikowanych w czasopiśmie Scientific Reports, było opracowanie metody łączącej wydajność symulacji z realizmem środowiska fizycznego, umożliwiając robotom adaptację bez konieczności pozyskiwania dużej ilości dodatkowych danych.

Wykorzystując sztuczną inteligencję do generowania zmiennych warunków, nowa technika szkoleniowa pozwala robotom na znacznie bardziej niezawodne przenoszenie umiejętności nabytych w symulacji do świata rzeczywistego, wykorzystując przy tym jedynie niewielką ilość danych rzeczywistych. Robot może nauczyć się złożonego zadania w środowisku wirtualnym, takiego jak cięcie lub manipulowanie materiałami, a następnie dostosować tę wiedzę do efektywnej pracy w warunkach rzeczywistych, nawet gdy warunki te są niepewne lub wcześniej nieobserwowane.

Dr Rastegarpanah twierdzi, że metoda ta dowodzi, że możliwe jest osiągnięcie stabilnego, wydajnego i adaptacyjnego zachowania robota bez konieczności intensywnego szkolenia w warunkach rzeczywistych. Może ona znacznie skrócić czas, koszty i ryzyko rozwoju. Jej wpływ jest szczególnie silny w obszarach, w których roboty muszą działać w warunkach niepewności. Dotyczy to recyklingu i systemów gospodarki o obiegu zamkniętym, takich jak demontaż baterii, zaawansowana i elastyczna produkcja, a także niebezpiecznych środowisk, takich jak te związane z likwidacją elektrowni jądrowych.

(rr)