Phát triển mô hình phân cấp vượt qua các giới hạn trong điều khiển robot phức tạp

Bối cảnh

Lập kế hoạch sử dụng mô hình thế giới, thứ học cách thế giới vận hành, nâng cao khả năng thích ứng của các tác nhân trí tuệ nhân tạo có thể chất như robot, nhưng các nhiệm vụ dài hạn gặp vấn đề về lỗi tích tụ và khám phá phức tạp. Các phương pháp phân cấp hiện có có hạn chế về tính dễ vỡ của biểu diễn và điều khiển chi tiết do sử dụng các đơn vị hành động cố định.

Phương pháp

ID-WM do các nhà nghiên cứu phát triển sử dụng mô hình cấp cao để lấy mẫu các chuyển động có thể có trên toàn bộ không gian trạng thái, và mô hình thế giới cấp thấp như một bộ giải động lực học ngược để cụ thể hóa chúng thành các hành động chính xác. Thông qua đó, nó ưu tiên tính hợp lý vật lý cục bộ hơn các mẫu hành vi toàn cục và tạo ra các kế hoạch dài hạn mới bằng cách kết hợp các đoạn ngắn.

Kết quả chính

Trong ba môi trường thử nghiệm điều hướng và thao tác, nó đạt được hiệu suất cải thiện 38.5 phần trăm so với các phương pháp tiên tiến nhất trước đó và các kỹ thuật lập kế hoạch dựa trên khuếch tán. Đặc biệt, bằng cách giảm thiểu vấn đề tích tụ lỗi, nó ghi nhận hiệu suất cải thiện 135 phần trăm so với các phương pháp điều khiển mô hình thế giới đơn cấp trong các nhiệm vụ dài hạn phức tạp và chưa từng thấy.

Hạn chế & điểm cần xác minh

Các ràng buộc cụ thể liên quan đến thương mại hóa, chẳng hạn như tốc độ xử lý thời gian thực hoặc chi phí trong quá trình vận hành phần cứng thực tế, không thể được xác định trong phần tóm tắt.

Giải thích thuật ngữ

• Mô hình thế giới — Một mô hình giúp trí tuệ nhân tạo học các quy tắc và cách thức hoạt động của môi trường xung quanh để dự đoán các tình huống trong tương lai và lập kế hoạch.
• Tác nhân — Chỉ một chương trình trí tuệ nhân tạo nhận thức môi trường được cho, tự đưa ra phán đoán và thực hiện các hành động.