Huang Huang liderliğindeki bir ekip, simüle edilmiş robot hareketlerini gerçekçi RGB videolarına dönüştüren RoboRender sistemini tanıttı. Model; temel hareketleri ve eylemleri korurken gerçek dünyaya ait dokuları ve arka planları eklemek için derinlik videoları, dil komutları ve robot maskeleri kullanıyor. Bu videolardan öğrenen politikalar; nesne alıp bırakma, eklemli nesnelerle çalışma ve mobil manipülasyon görevlerinde test edildi ve %71 başarı sağladı. Bu oran, ham simülasyon görüntüleriyle eğitime kıyasla yaklaşık 7,1 kat, standart görsel alan rastgeleleştirmesine kıyasla ise 3,6 kat daha yüksek.
Neden önemli
Robot geliştiricileri denetleyicileri simülasyonda eğitip doğrudan sahada kullanabilir; böylece maliyetli gerçek dünya verisi toplama ihtiyacı azalır.
