Daha önce, robotların nesneleri tutmayı öğrendikten sonra başka bir makineye geçip aynı şeyi yapabileceğini sanırdım. Axis ve Booster bu deney serisini gördükten sonra, düşüncemin çok basit olduğunu anladım. Franka, kulaklık kutusunu tutabiliyordu; ancak Booster'a geçildiğinde, önceki hareketler tamamen geçersiz hale gelebilirdi. İki makinenin kollarının uzunlukları, eklemlerinin sayısı, kamera açıları ve tutucuları farklıydı. Booster ayrıca çift kollu bir yapıya sahipti ve her kolun 7 serbestlik derecesi vardı. Model, hem yeni görünümleri yeniden öğrenmeli hem de bu yeni vücudunu nasıl kontrol edeceğini öğrenmeliydi. Daha önce bu durumla başa çıkmak için mühendisler, fiziksel robotların yanına oturup sürekli olarak uzaktan kumanda ile veri toplamak zorundaydı. Makine sayısı sınırlıydı; yeni bir senaryo veya yeni nesnelerle karşılaşıldığında tekrar veri toplamak gerekirdi. @axisrobotics bu sefer, Booster’un gerçek çalışma masasını simülasyon ortamında yeniden oluşturdu ve görevleri tarayıcıya taşıdı; farklı bölgelerden kullanıcılar görevleri gerçekleştirmeye başladı. Nesnelerin konumları, ışık koşulları, açılar ve arka planlar sürekli değişti ve sonuçta 42.046 simülasyon yolu elde edildi; bu yollar, Booster’a kendi yapısını daha iyi tanıtan temel bir strateji geliştirmek için kullanıldı. Kulaklık kutusu testi verileri oldukça açıklayıcıydı. Sadece 10 gerçek gösterimle, robot 20 kez denedi ve hiçbirisinde hedefe temas edemedi. 50 ilgili simülasyon yolu eklenince, 20 testten 17’sinde kulaklık kutusuna temas edildi, 6’sında başarıyla tutuldu ve bunların 2’sinde kaldırma tamamlandı. Başka bir test serisinde, bu verilerle önceden eğitilmiş Booster stratejisi, her görev için sadece 30 gerçek gösterim kullanarak, orijinal π₀.₅ modelinin 60 gerçek gösterimle elde ettiği performansı aştı. Bu deney serisi yalnızca resmi testlerdeki birkaç görevi kapsıyor ve diğer makineler veya karmaşık senaryolarda aynı düzeyde iyileşmenin sağlanabileceğini henüz göstermiyor. Ancak bu deney, Axis’in bu verileri neden topladığını anlamama yardımcı oldu: Önce simülasyon ortamında hedefi bulmayı, açıyı ayarlamayı ve nesnelere yaklaşmayı öğren; sonra fiziksel robot üzerinde az sayıda gerçek operasyonla temas ve tutma becerilerini tamamla. Elbette, görev salonunda tamamladığımız yollar doğrudan Booster eğitim setine eklenmiyor. Veriler tekrar oynatılmalı, filtrelenmeli, biçimlendirilmeli ve ilgili makineye uygun olup olmadığı doğrulanmalı. Daha önce görevi tamamladıktan sonra sadece puanları ve puanları inceliyordum. Şimdi hareketlerimin fazla sallanıp sallanmadığını, tutma rotalarının temiz olup olmadığını daha dikkatli izliyorum. Robot bir vücuda geçtiğinde, gerçek veri miktarının yarısını azaltmak mümkün mü diye düşünüyorum; bu da yolların kalitesiyle doğrudan ilgili. Deneyimlemek isterseniz Beginner görevlerinden başlayabilirsiniz. Görevi doğruladıktan sonra Portfolio’da Base imzasını tamamlayın: https://t.co/Bo1luv9UkN