เทคโนโลยีสำหรับการเรียนรู้ข้อมูลหุ่นยนต์ร่วมกันที่ใช้ตัวควบคุมที่หลากหลาย

ที่มา

นโยบายหุ่นยนต์อเนกประสงค์เรียนรู้ด้วยข้อมูลจากงานและรูปร่างที่หลากหลาย แต่โดยทั่วไปมักจะสมมติว่าหุ่นยนต์แต่ละตัวมีตัวควบคุมเพียงตัวเดียว ดังนั้นหากวิธีการควบคุมแตกต่างกัน การถ่ายโอนข้อมูลจึงเป็นเรื่องยาก เนื่องจากตัวควบคุมที่แตกต่างกันกำหนดความหมายทางกายภาพที่แตกต่างกันสำหรับการกระทำเดียวกันและต้องใช้กลยุทธ์ที่แตกต่างกัน จึงจำเป็นต้องมีการศึกษาเพื่อแบ่งปันข้อมูลโดยไม่มีความขัดแย้ง

วิธีการ

ได้เสนอโครงร่างสำหรับการเข้ารหัสปฏิสัมพันธ์เชิงพฤติกรรมภายใต้ตัวควบคุมผ่านตัวอย่างของการกระทำที่สั่งการและการเคลื่อนไหวของหุ่นยนต์ที่สอดคล้องกัน โดยใช้ Transformer context encoder เพื่อสรุปปฏิสัมพันธ์เหล่านี้ เพื่อให้นโยบายเดี่ยวสามารถปรับตัวได้ภายในบริบท

ผลลัพธ์หลัก

ในการทดลองกับหุ่นยนต์จริง อัตราความสำเร็จเฉลี่ยเพิ่มขึ้น 33 เปอร์เซ็นต์เมื่อเทียบกับวิธีรวมข้อมูลแบบง่ายๆ แบบเดิม นอกจากนี้ยังบรรลุอัตราความสำเร็จ 50 เปอร์เซ็นต์และ 52 เปอร์เซ็นต์ในโหมดตัวควบคุมและอัตราขยายของตัวควบคุมที่ไม่เคยเห็นมาก่อนตามลำดับ

ข้อจำกัดและประเด็นที่ควรตรวจสอบ

ในบทคัดย่อไม่ได้กล่าวถึงข้อจำกัดเฉพาะเกี่ยวกับประเภทของหุ่นยนต์ทั้งหมดที่สามารถนำไปใช้งานจริงได้ หรือความสามารถในการนำไปประยุกต์ใช้ในอุตสาหกรรมในระยะยาว

อธิบายศัพท์

• 로봇 정책 — อัลกอริทึมหรือชุดกฎที่กำหนดว่าหุ่นยนต์ควรทำพฤติกรรมใดในสถานการณ์ที่กำหนด
• 트랜스포머 문맥 부호화기 — ประเภทของโมเดลปัญญาประดิษฐ์ที่เข้าใจการไหลของข้อมูลหรือบริบทก่อนหลังเพื่อสรุปใจความสำคัญ