رباتیک

«نمودارهای رفتاری» تحلیل داده‌های ربات‌ها را ساده‌تر می‌کنند

پژوهشگران روشی برای تبدیل داده‌های اجرای ربات به نمودارهای جهت‌دار و تفسیرپذیر پیشنهاد کرده‌اند؛ روشی که در مطالعه‌ای با ۱۸ شرکت‌کننده، از ویدئوهای اجرای ربات کم‌زحمت‌تر ارزیابی شد.

۲ دقیقه مطالعه
Figure 3 : Tasks for the user study, in which participants analyze policy rollouts to choose which demonstrations to collect next. Keyframes of a successful rollout from left to right. (a) Set table : places a pumpkin, t
تصویر درج‌شده در مقالهٔ اصلی؛ حقوق بازنشر مستقل تأیید نشده است. — arXiv · AI (پیش‌چاپ) · پرونده اصلی · منبع تصویر: ناشر خبر

داده‌های اجرای ربات‌ها می‌توانند به شناسایی موفقیت‌ها و شکست‌ها و بهبود گردآوری داده‌های بعدی کمک کنند، اما حجم زیاد و بُعد بالای این داده‌ها تحلیلشان را دشوار می‌کند. پژوهشگران در پیش‌چاپی در arXiv روشی به نام «نمودارهای رفتاری» پیشنهاد کرده‌اند که مسیرهای اجرای سیاست ربات را در یک نمودار جهت‌دار و تفسیرپذیر خلاصه می‌کند.

این نمودارها با شناسایی الگوهای رفتاری مشابه در اجراهای مختلف ساخته می‌شوند؛ سپس رفتارها بر اساس توالی زمانی به هم وصل می‌شوند و در نهایت ارتباطشان با نتیجهٔ اجرا مشخص می‌شود.

در مطالعه‌ای با سه وظیفهٔ دنیای واقعی، شرکت‌کنندگان با بررسی داده‌های اجرا، راهبرد گردآوری داده را انتخاب کردند. از میان ۱۸ نفر، ۱۶ نفر نمودارهای رفتاری را به ویدئوهای اجرا ترجیح دادند. نتیجه‌گیری‌های دو روش قابل‌مقایسه بود، اما شرکت‌کنندگان برای نمودارها ۴۰٫۳ درصد بار زمانی ادراک‌شده و ۳۷٫۶ درصد تلاش کمتری گزارش کردند.

پژوهشگران همچنین این نمودارها را در ۴۳ مجموعه‌داده به‌عنوان پیش‌بینی‌کنندهٔ پیشرفت ارزیابی کردند. در مقایسه با قوی‌ترین روش پایه، همبستگی رتبه‌ای میان پیشرفت پیش‌بینی‌شده و ترتیب زمانی واقعی ۲۲٫۹ درصد بهتر شد و میانگین خطای مطلق ۵۳٫۵ درصد کاهش یافت.

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