Робот навчився ходити по піску, гравію та мокрій травіДвоногий людиноподібний механізм впевнено подолав піщану місцевість, кам’янисту ділянку, вологу рослинність, ухили, сходи та ковзкі поверхні, при цьому жодне з цих середовищ не було попередньо показане йому в процесі навчання.Секрет криється у новій методиці навчання, яку розробили науковці з Технологічного інституту Джорджії, як зазначає видання Іnteresting Еngineering.Цей підхід отримав назву «Learn to Teach» («Навчайся навчати»). Він є вдосконаленням популярної стратегії «вчитель-учень» у навчанні з підкріпленням. Однак, замість того, щоб спочатку навчати одну модель, а потім іншу, обидва «агенти» проходять тренування паралельно. Як результат — контролер робота, здатний впоратися з непередбачуваним рельєфом, задіюючи значно менше обчислювальних потужностей.Роботу довелося не лише пересуватися самостійно — під час тестів його також штовхали та тягнули. Кожного разу він коригував свою ходу, аби зберегти стійкість. Цей проєкт було представлено на конференції IEEE з робототехніки та автоматизації (ICRA). Автори проєкту зазначають, що цей метод можна буде застосувати і для інших механізмів та завдань, не обмежуючись лише пересуванням.У традиційній моделі «вчитель-учень» спочатку формується модель-«наставник», яка має доступ до детальних даних симуляції. Лише після повного навчання наставника його знання передаються моделі-«послідовнику», яка потім керує реальним роботом.На думку головного дослідника Фейянга Ву, такий метод має дві суттєві вади. Перш за все, послідовний процес навчання вимагає надмірної кількості часу. По-друге, значна частина інформації, яку встиг накопичити наставник, фактично втрачається.Процес тренування роботизованих контролерів за допомогою симуляції може потребувати годин обчислень на дороговартісному графічному обладнанні — це означає як великі витрати часу, так і значні фінансові вкладення. Паралельне навчання обох моделей вирішує обидві ці проблеми одночасно.За матеріалами: НВМісце для вашої реклами