Исследователи из Массачусетского технологического института (MIT) разработали ИИ-модель PIGINet для домашних роботов, которая научит их быстрей выполнять работу. Ученые задействовали машинное обучение, чтобы ускорить процесс планирования задач.
Когда роботы сталкиваются с задачей, которая не предусмотрена стандартными сценариями, они начинают перебирать варианты, пока не найдут приемлемое решение. Такой «мыслительный» процесс обычно отнимает много времени, особенно при наличии подвижных препятствий.
В этом случае им поможет нейронная сеть PIGINet, разработанная в MIT, которая предназначена для работы с последовательностями данных. Она оптимизирует действия робота, помогая быстрее найти наиболее оптимальный путь решения задачи.
Как итог, PIGINet отсеивает планы задач, которые не могут удовлетворить требованиям по отсутствию столкновений, и сокращает время планирования на 50%-80% при обучении всего на 300-500 задачах.
– Поскольку люди живут в разных домах, роботы должны быть адаптивными решателями задач, а не просто следовать инструкциям. В результате мы получаем более эффективного и практичного бытового робота, способного ловко ориентироваться даже в сложной и динамичной среде, – говорит автор исследования Чжутянь Ян.
