Фахівці з MIT з допомогою штучного інтелекту навчили роботів краще пакувати речі в маленькому просторі
Науковці з Массачусетського технологічного інституту (MIT) представили передову методологію, засновану на генеративних моделях штучного інтелекту, яка значно підвищує продуктивність роботизованих систем при маніпулюванні об'єктами в обмеженому просторі.
Дослідники МІТ використовують генеративні моделі штучного інтелекту для допомоги роботам ефективно вирішувати складні завдання маніпулювання об'єктами, включаючи упаковку різних предметів. Упаковка об'єктів є важкою задачею для роботів, оскільки вона вимагає задоволення багатьох обмежень, таких як уникання зіткнень і створення стабільних структур.
Традиційні методи розв'язання цієї проблеми працюють послідовно і можуть бути дуже часозатратними.
Дослідники МІТ використовували генеративну модель дифузії для більш ефективного розв'язання цієї проблеми, яка включає в себе навчання моделей, що представляють різні види обмежень. Їхній підхід дозволяє робити ефективні рішення швидше і для більшої кількості об'єктів, враховуючи всі обмеження одночасно. Цей метод може бути використаний для навчання роботів розуміти і відповідати загальним обмеженням упаковки об'єктів, що важливо в різних сценаріях, від роботи в складі для виконання замовлень до організації книжкової полиці вдома.
Що продемонстрували на відео
Багатоетапне керування роботами включає багато обмежень. Метод Diffusion-CCSP (на відео нижче) ефективно знаходить рішення, поліпшуючи його через оптимізацію функції. Замість вгадування, він використовує моделі дифузії для оптимізації обмежень. Цей метод навчається в симуляціях і справляється з завданнями, що мають більше об'єктів і обмежень, ніж раніше.
Дослідники планують досліджувати можливості застосування цього методу в більш складних ситуаціях та для роботів, які можуть переміщуватися по приміщенню без перенавчання на нових даних. Цей підхід відкриває можливість для розвитку більш ефективних та надійних автономних систем в різних галузях застосування.
Чому це важливо
Нові методи, створені в MIT, роблять роботів кращими у складних задачах, як-от упаковка речей. Вони за допомогою штучного інтелекту вчаться уникати проблем і ефективно використовувати місце. Це дуже важливо, бо тепер роботи можуть допомагати не лише на складах, а й вдома. Також вони зможуть виконувати більш складні завдання там, де все навколо постійно змінюється.
Джерело: mit.edu
