رباتیک
RoboArchitect موفقیت عامل‌های رباتیک را بدون بازآموزی مدل از ۹٫۷ به ۴۳٫۳ درصد رساند
پیش‌چاپی در arXiv روشی برای بهینه‌سازی خودکار کد کنترل پیرامون سیاست رباتیکِ ثابت معرفی می‌کند؛ این روش روی صحنه‌ها و وظایف دیده‌نشده ارزیابی شده است.
پژوهشگران RoboArchitect را برای خودکارسازی طراحی «چارچوب عامل» ربات‌ها معرفی کرده‌اند؛ لایه‌ای از کد که تعیین می‌کند عامل چه زمانی از سیاست رباتیک استفاده کند، سراغ ابزارهای بینایی برود یا مستقیماً بازو را کنترل کند. در این روش، یک مدل کدنویس عملکرد ربات را مشاهده می‌کند، شکست‌ها را تشخیص می‌دهد و چارچوب کنترل را به‌صورت تکراری پیرامون سیاست ثابت اصلاح می‌کند.
بر اساس چکیدهٔ پیش‌چاپ، RoboArchitect تغییرات را با مجموعه‌ای از اپیزودها بهینه می‌کند و سپس روی صحنه‌ها و وظایف کنارگذاشته‌شده می‌سنجد. پژوهشگران می‌گویند میانگین موفقیت در تنظیمات دیده‌نشده از ۹٫۷ به ۴۳٫۳ درصد افزایش یافته، بی‌آنکه وزن‌های مدل به‌روزرسانی شوند. چکیدهٔ در دسترس جزئیات بیشتری دربارهٔ مجموعه‌آزمایش‌ها یا دامنهٔ این نتیجه ارائه نمی‌کند.
این گزارش به کمک هوش مصنوعی تهیه شده است. مطالب براساس منابع درج‌شده تنظیم شده‌اند؛ صحت مستقل همه ادعاها تضمین نمی‌شود.
منبع: arXiv · AI (پیش‌چاپ) — مشاهده منبع اصلی ↗
پیش‌چاپ پژوهشی در arXiv؛ انتشار در این مخزن به معنی داوری همتا نیست
رد این داستان در رادار
خبرهای مرتبط از آرشیو منتشرشده