Forskare har presenterat action-conditioned latent foresight, ett system som låter en humanoidrobot poängsätta föreslagna sekvenser av rörelser och handkommandon innan den utför dem. Systemet förutsäger om en sekvens för arbetet närmare ett mål och utför sedan en del av sekvensen med högst poäng innan det planerar om utifrån en ny observation.
I forskarnas tester lyckades systemet med 85,7 procent av sju uppgifter med en verklig robot under standardförhållanden, jämfört med 70,0 procent för GR00T N1.7. Framgången sjönk till 65,7 procent med tidigare osedda objektkonfigurationer, jämfört med 48,6 procent för GR00T N1.7.
Varför det spelar roll
För robotikforskare som testar humanoiders förmåga att utföra uppgifter tyder resultaten på att förhandsgranskning av kommandosekvenser kan vara till hjälp. Den lägre poängen med obekanta uppställningar visar dock att resultaten fortfarande påverkas av hur objekten är placerade.
