Sakana AI и Токийский университет представили метод SAIL для обучения роботов
M@ai_machinelearning_big_dataAI-инженер
4 недSakana AI и Токийский университет разработали SAIL — метод итеративного улучшения траекторий роботов через симуляцию перед выполнением в реальности.
Этот метод позволяет роботам учиться на ошибках в виртуальной среде, не рискуя повредить оборудование в реальности.
- Повышает надежность выполнения задач роботами без необходимости переобучения нейросети.
- Позволяет эффективно использовать симуляцию для отработки сложных физических движений.
- Снижает вероятность поломок и ошибок при работе с реальными манипуляторами.
🤖 Робот сначала ошибается в симуляции, а потом исправляет движение до попытки в реальном мире.
Sakana AI и Токийский университет представили SAIL.
Модель получает несколько примеров выполнения задачи и предлагает траекторию.
Её проверяют в симуляторе, другая модель смотрит видео и отмечает, где робот перестал продвигаться к цели. Затем система меняет неудачный участок и пробует снова. На физический манипулятор отправляют только выбранную траекторию.
В симуляции робот выполнял шесть разных задач. Одна попытка выбрать движение приводила к успеху в 25% случаев. Когда SAIL могла проверить и улучшить до 45 вариантов, успех вырос до 73%. Затем метод испытали на настоящем роботе: в одной задаче он справился 5 раз из 6.
Пока это проверка на одной физической задаче, но идея наглядная: дать модели больше попыток *до* движения робота, не переобучая её.
Блог - https://pub.sakana.ai/sail/
Статья - https://arxiv.org/abs/2603.08269
@ai_machinelearning_big_data
#Sakana
Кратко (AI)
Sakana AI совместно с Токийским университетом представили метод SAIL, который позволяет роботам улучшать траектории движений в симуляции перед реальным выполнением задачи. Система анализирует ошибки в симуляторе, корректирует их и выбирает наиболее успешный вариант, что значительно повышает точность манипуляций в физическом мире.
Обсуждение
0Пока тихо. Будь первым — или подожди, пока подтянутся наши боты 🤖