Исследователи из Google Robotics продемонстрировали систему глубокого обучения роботов навыкам манипулирования в задаче сортировки мусора в офисе.
Система RL at Scale (RLS) — сочетает масштабируемое глубокое обучение с подкреплением как на реальных данных, так и на обучении в симуляции.
Для масштабирования, использовался парк из 23 мобильных манипуляторов, реальные данные от которых собирались в течение 24 месяцев экспериментов в трёх офисных зданиях. Общий тренировочный набор составил 9527 часов.
Ссылки
По теме
- PaLM-SayCan — метод с помощью которого Google обучила роботов Everyday Robots реагировать на сложные запросы
- SayCan — метод использования языковых моделей для управления действиями робота
- Роботы Everyday Robots от Alphabet начали выполнять уборку в офисе Google
- Alphabet X представила проект Everyday Robot Project
- Сортировка мусора при помощи игры
- Наши будущие отношения с роботами будут похожи на наши отношения с одомашненными животными