Исследователи представили систему action-conditioned latent foresight, которая позволяет гуманоидному роботу оценивать предложенные последовательности движений и команд для рук до их выполнения. Система прогнозирует, поможет ли последовательность приблизиться к цели, после чего робот выполняет часть последовательности с наивысшей оценкой и планирует дальнейшие действия по новому наблюдению.
В испытаниях исследователей система успешно справилась с 85,7% из семи задач на реальном роботе в стандартных условиях — против 70,0% у GR00T N1.7. При незнакомых конфигурациях предметов доля успеха снизилась до 65,7%, тогда как у GR00T N1.7 она составила 48,6%.
Почему это важно
Для исследователей, оценивающих, как гуманоидные роботы справляются с задачами, результаты показывают, что предварительная оценка последовательностей команд может помочь. Однако более низкий показатель при незнакомом расположении предметов говорит о том, что результат по-прежнему зависит от их конфигурации.
