Исследователи представили CureWM — метод, который дополняет существующие модели мира для роботов примерами смоделированных неудач. Он формирует альтернативные действия на основе успешных демонстраций, проверяет их результаты в симуляции или на реальном манипуляторе, а затем дообучает модель на подтверждённых примерах неудач. На 484 отложенных задачах LIBERO доля чрезмерно оптимистичных прогнозов снизилась с 80% до 30–43% у четырёх дообученных моделей. Испытания на физическом роботе показали, что доля ошибочных прогнозов об успехе упала с 90% до 33%.
Почему это важно
Меньше ошибочных прогнозов об успехе — планировщикам роботов проще избегать небезопасных действий при работе в реальных условиях.
