Цикл навчання робота gAxis Коли ми кажемо, що робот «вчиться», легко уявити, що надання достатньо даних зрештою зробить його досконалим у все. Реальний світ робототехніки не такий простий. Робот може спостерігати тисячі прикладів того, як хтось відкриває ящик, і все ще матиме труднощі, коли ящик трохи важчий, ручка розташована інакше або його підхід не зовсім правильний. Це тому, що робототехніка — це не лише визначення правильної дії. Це про те, щоб знати, що робити, коли очікувана дія не працює. Люди вчаться цьому природно. Ми пробуємо щось, помічаємо помилку, коригуємося і пробуємо знову. Досвід невдалих спроб змінює те, як ми підходимо до наступної. Фізичному ШІ потрібен спосіб зафіксувати цей самий процес навчання. Саме тут настає роль Axis @axisrobotics створює середовище, де роботів можна навчати шляхом симульованих взаємодій із людьми. Замість того, щоб проводити кожен експеримент з навчанням на фізичному роботі, тренери можуть взаємодіяти з симульованими роботами, направляти їх, коли вони роблять помилки, і генерувати траєкторії на основі цих взаємодій. Важливо не просто збирати більше записів. Важливо зафіксувати зв’язок між спробованою дією та корекцією, яка за нею слідує. Робот неправильно досягає. Людина бере під контроль. Демонструється кращий рух. Ця корекція стає навчальним сигналом. Модель може використовувати цей досвід для покращення майбутніх спроб. Отже, цикл виглядає приблизно так: Спроба → помилка → корекція → навчальний сигнал → краща спроба. Повторюйте це достатньо разів — і система починає накопичувати щось набагато корисніше, ніж статична бібліотека демонстрацій. Вона починає накопичувати досвід. Чому симуляція має значення Фізичні роботи коштують дорого, повільно скидаються і обмежені кількістю експериментів, які ви можете реалістично провести. Симуляція видаляє багато з цих обмежень. Ви можете тестувати ту саму задачу повторно, вводити різні умови, збирати втручання та покращувати політику перед її запуском у фізичному світі. Саме тут важливим стає sim-to-real. Мета — не те, щоб робот залишався добре навченим всередині симуляції. Мета — щоб уроки, здобуті там, сприяли роботам, які краще виконують завдання у реальності. І коли Axis наближається до більш складних завдань маніпулювання, якість цього циклу зворотного зв’язку стає все більш важливою. Бо в кінцевому підсумку робототехніка не буде вирішена шляхом збирання найбільшого набору даних. Вона буде вирішена шляхом створення систем, які можуть перетворювати досвід на кращу поведінку. Ось та частина Axis, на яку я звертаю увагу. Більше даних — корисно. Але краще навчання з кожної спроби — справжня перевага. @iamlogtun