Команда под руководством Гуанъюаня Вана описывает метод, который позволяет адаптировать предварительно обученные политики роботов к препятствиям прямо во время выполнения — без сбора новых демонстраций и переобучения. Метод оценивает предполагаемую траекторию робота и распределяет корректировки для обхода препятствий по всей последовательности действий, а не исправляет каждый шаг по отдельности.
В испытаниях в семи сценариях с препятствиями и при выполнении четырёх задач манипулирования исследователи зафиксировали 105 успешных выполнений без столкновений из 140. Для сравнения, при точечном наведении с абсолютными действиями успешными были 8 из 140 попыток. Это результаты экспериментов; в аннотации не уточняется, как метод работает за пределами проверенных сценариев.
Почему это важно
Для исследователей робототехники, которые адаптируют предварительно обученные политики к новым препятствиям, результаты показывают, что координация корректировок на протяжении всей последовательности действий может помочь обойтись без переобучения. При этом эффективность метода за пределами проверенных сценариев неизвестна.
