Oossa

افزایش موفقیت ربات در شبیه‌سازی با ReSkill از ۳۰٪ به بیش از ۸۰٪

چارچوب جدید خودبهسازی گزینشی، میانگین موفقیت در ده وظیفه RoboDojo را به ۸۶.۲٪ می‌رساند و در آزمایش‌های دنیای واقعی به ۷۷.۵٪ دست می‌یابد.

خبر کوتاهنویسنده: منتشرشده توسط Oossa: 1 دقیقه مطالعه

تاریخ رویداد:

پژوهشگرانی به سرپرستی Zheng Sun، سامانه ReSkill را معرفی کرده‌اند که به ربات امکان می‌دهد نقاط ضعف برنامه‌های دست‌کاری اشیا را پیدا و برطرف کند. این چارچوب، گرافی از وظایف می‌سازد، مراحل ناموفق را شناسایی می‌کند و تغییرات کوچکی در کد پیشنهاد می‌دهد که پیش از اعمال نهایی آزمایش می‌شوند. در وظایف شبیه‌سازی‌شده RoboDojo، میانگین موفقیت از ۳۰٪ به ۸۶.۲٪ رسید و ربات در هشت وظیفه دنیای واقعی، در ۶۲ مورد از ۸۰ آزمایش موفق شد. سیاست‌های نهایی بدون عامل خودبهسازی اجرا می‌شوند و فقط از مهارت‌های اصلاح‌شده استفاده می‌کنند.

چرا مهم است

تولیدکنندگان می‌توانند ربات‌هایی را به‌کار بگیرند که در مرحله توسعه کدهای خود را بهبود می‌دهند؛ این کار عملیات برداشتن و گذاشتن اشیا را قابل‌اعتمادتر می‌کند، بی‌آنکه سربار اجرایی بیشتری ایجاد کند.

آیا این مقاله مفید بود؟
اشتراک‌گذاری

بیشتر بخوانید

Oossa · خبرنامه

هفتهٔ هوش مصنوعی، به زبان ساده

هر دوشنبه: خبرهایی که ارزش دانستن دارند، به زبان ساده. رایگان و بدون هرزنامه.