رباتهای چندکاره با روش جدید PoCo هوشمندتر میشوند
پژوهشگران MIT تکنیکی به نام Policy Composition (PoCo) توسعه دادهاند که با ترکیب مدلهای مولد هوش مصنوعی بر پایه دادههای مختلف (شبیهسازی، دموهای انسانی، کنترل از راه دور) توانستهاند رباتهایی بسازند که در وظایف متنوع ابزارمحور، عملکرد بهتری داشته باشند.
با PoCo، هر منبع داده یک مدل diffusion مجزا آموزش میبیند و سپس این مدلها به صورت وزندهی شده ترکیب میشوند تا سیاست کلی ربات بتواند ابزارهای متفاوت را در محیطهای جدید به کار گیرد. در آزمایشها، این روش باعث ۲۰٪ افزایش کارایی در مقایسه با روشهای سنتی شده است.
این پیشرفت میتواند گامی مؤثر در جهت ساخت رباتهای عمومیتر و قابل استفاده در صنایع مختلف، خانهها، کارگاهها و عملیات امدادی باشد؛ جایی که رباتها باید ابزارهای گوناگون را به درستی انتخاب و به کار بگیرند، حتی در شرایطی که محیط یا ابزار جدید است.
https://news.mit.edu/2024/technique-for-more-effective-multipurpose-robots-0603?utm_source=chatgpt.com