Специалисты из MIT с помощью искусственного интеллекта научили роботов лучше паковать вещи в маленьком пространстве

Ученые из Массачусетского технологического института (MIT) представили передовую методологию, основанную на генеративных моделях искусственного интеллекта, которая значительно повышает производительность роботизированных систем при манипулировании объектами в ограниченном пространстве.

Исследователи МИТ используют генеративные модели искусственного интеллекта для помощи роботам эффективно решать сложные задачи манипулирования объектами, включая упаковку различных предметов. Упаковка объектов является трудной задачей для роботов, поскольку она требует удовлетворения многих ограничений, таких как избегание столкновений и создание стабильных структур.
Традиционные методы решения этой проблемы работают последовательно и могут быть очень времязатратными.

Исследователи МИТ использовали генеративную модель диффузии для более эффективного решения этой проблемы, которая включает в себя обучение моделей, представляющих различные виды ограничений. Их подход позволяет делать эффективные решения быстрее и для большего количества объектов, учитывая все ограничения одновременно. Этот метод может быть использован для обучения роботов понимать и соответствовать общим ограничениям упаковки объектов, что важно в различных сценариях, от работы в складе для выполнения заказов до организации книжной полки дома.

Что продемонстрировали на видео

Многоэтапное управление роботами включает много ограничений. Метод Diffusion-CCSP (на видео ниже) эффективно находит решение, улучшая его через оптимизацию функции. Вместо угадывания он использует модели диффузии для оптимизации ограничений. Этот метод обучается в симуляциях и справляется с задачами, имеющими больше объектов и ограничений, чем раньше.

Исследователи планируют исследовать возможности применения этого метода в более сложных ситуациях и для роботов, которые могут перемещаться по помещению без переобучения на новых данных. Этот подход открывает возможность для развития более эффективных и надежных автономных систем в различных областях применения.

Почему это важно

Новые методы, созданные в MIT, делают роботов лучше в сложных задачах, таких как упаковка вещей. Они с помощью искусственного интеллекта учатся избегать проблем и эффективно использовать место. Это очень важно, потому что теперь роботы могут помогать не только на складах, но и дома. Также они смогут выполнять более сложные задачи там, где все вокруг постоянно меняется.

Источник: mit.edu