Когда люди двигаются через толпу, чтобы достичь конечной цели, они обычно могут безопасно перемещаться в пространстве, не думая слишком много. Люди могут учиться на поведении других и учитывать любые препятствия, которых следует избегать. Роботы же вынуждены бороться с такими навигационными концепциями, пишет MIT News.

Исследователи Массачусетского технологического института США теперь разработали способ помочь роботам ориентироваться в окружающей среде, подобно людям. Их новая модель планирования движения позволяет роботам определять, как достичь цели, исследуя окружающую среду, наблюдая за другими агентами и используя то, что они узнали раньше, в подобных ситуациях.

Популярные алгоритмы планирования движения создают дерево возможных решений, которое разворачивается до тех пор, пока роботы не найдут хорошие пути для навигации. Например, робот, который должен перемещаться по комнате, чтобы добраться до двери, создаст пошаговое дерево поиска возможных движений, а затем выполнит лучший путь к двери с учетом различных ограничений. Один из недостатков, однако, заключается в том, что эти алгоритмы редко учатся: роботы не могут использовать информацию о том, как они или другие агенты действовали ранее в подобных условиях.

«Так же, как при игре в шахматы, эти решения разветвляются до тех пор, пока роботы не найдут хороший способ навигации. Но, в отличие от шахматистов, роботы исследуют, как выглядит будущее, не узнав многого о своей среде и других агентах», - говорит один из авторов работы Андрей Барбу, исследователь лаборатории компьютерных наук Массачусетского технологического института. «В тысячный раз они проходят через ту же самую толпу, как и в первый раз. Они всегда изучают, редко наблюдают и никогда не используют то, что произошло в прошлом».

Теперь, исследователи разработали модель, которая сочетает алгоритм планирования с нейронной сетью, которая учится распознавать пути, которые могут привести к лучшему результату, и использует эти знания для управления движением робота в окружающей среде.

Когда люди двигаются через толпу, чтобы достичь конечной цели, они обычно могут безопасно перемещаться в пространстве, не думая слишком много. Люди могут учиться на поведении других и учитывать любые препятствия, которых следует избегать. Роботы же вынуждены бороться с такими навигационными концепциями, пишет MIT News.

Исследователи Массачусетского технологического института США теперь разработали способ помочь роботам ориентироваться в окружающей среде, подобно людям. Их новая модель планирования движения позволяет роботам определять, как достичь цели, исследуя окружающую среду, наблюдая за другими агентами и используя то, что они узнали раньше, в подобных ситуациях.

Популярные алгоритмы планирования движения создают дерево возможных решений, которое разворачивается до тех пор, пока роботы не найдут хорошие пути для навигации. Например, робот, который должен перемещаться по комнате, чтобы добраться до двери, создаст пошаговое дерево поиска возможных движений, а затем выполнит лучший путь к двери с учетом различных ограничений. Один из недостатков, однако, заключается в том, что эти алгоритмы редко учатся: роботы не могут использовать информацию о том, как они или другие агенты действовали ранее в подобных условиях.

В«Так же, как при игре в шахматы, эти решения разветвляются до тех пор, пока роботы не найдут хороший способ навигации. Но, в отличие от шахматистов, роботы исследуют, как выглядит будущее, не узнав многого о своей среде и других агентахВ», - говорит один из авторов работы Андрей Барбу, исследователь лаборатории компьютерных наук Массачусетского технологического института. « тысячный раз они проходят через ту же самую толпу, как и в первый раз. Они всегда изучают, редко наблюдают и никогда не используют то, что произошло в прошломВ».

Теперь, исследователи разработали модель, которая сочетает алгоритм планирования с нейронной сетью, которая учится распознавать пути, которые могут привести к лучшему результату, и использует эти знания для управления движением робота в окружающей среде.

Подробнее читайте на kapital-rus.ru ...