Umiejętność korzystania z wiedzy zdobytej w innych okolicznościach mogłaby sprawić, że tanie roboty będą wykonywać zadania w sposób nie gorszy od swoich droższych odpowiedników.
Jednym z najtrudniejszych wyzwań stojących obecnie przed ich konstruktorami jest sprawne działanie maszyny poza laboratorium. W warunkach symulacji możliwe jest wyposażenie go w drogie czujniki i zapewnienie mu idealnego środowiska do nauki. Jednak w rzeczywistym świecie używanie tych samych sensorów może być nieuzasadnione finansowo dla konsumentów.
Naukowcy z Vrije Universiteit zwrócili się więc w stronę uczenia maszynowego. Tak zwany transfer learning jest procesem adaptowania danych, które algorytm sterowania przetwarzał w jednym kontekście do zastosowania w innej sytuacji. Oznacza to, że robot może najpierw trenować za pomocą lepszych czujników, by potem wykorzystać to czego się nauczył, wykorzystując tanie sensory w rzeczywistym środowisku.
Aby przetestować swoją ideę, naukowcy stworzyli i przetestowali robota, który najpierw nawigował swoją pracą za pomocą ośmiu czujników zbliżeniowych, a następnie w oparciu o pojedynczą kamerę. W trakcie badań odkryli, że gdy algorytm sterujący robotem wykorzystywał transfer learning do podejmowania decyzji (tylko z dostępem do kamery), nauczył się poruszać po określonych trajektoriach znacznie szybciej niż wtedy, gdy nie korzystał z tej technologii.
(rr)
Kategoria wiadomości:
Nowinki techniczne
- Źródło:
- technologyreview
Komentarze (0)
Czytaj także
-
ABC systemów wizyjnych – część 3 – tworzenie, zastosowanie, perspektywy
Sprawdzanie kompletności czujnikiem BVS firmy Balluff Tworzenie niezawodnego przemysłowego systemu wizyjnego Praca nad systemem zaczyna...
-
Kleje, uszczelniacze, zmywacze — poznaj nowoczesne rozwiązania dla przemysłu
Różnorodność rozwiązań w sektorze przemysłowym może przyprawić o zawrót głowy. Nic w tym dziwnego. Producenci wspierający innych wytwórców...