Roboți cu roți, zburători și cu șase picioare își păstrează traiectoria cu o nouă metodă de învățare

Cercetătorii în inginerie aerospațială de la University of Illinois Urbana-Champaign au dezvoltat o metodă de învățare menită să ajute roboții să îndeplinească sarcini fără să ajungă la comportamente instabile sau nerezonabile. Abordarea combină reinforcement learning, care permite unui sistem să învețe acțiuni prin experiență, cu teoria controlului, folosită pentru analiza și menținerea stabilității. Potrivit cercetătorilor, metoda tratează compromisului dintre învățarea unei strategii eficiente pentru o sarcină și asigurarea stabilității robotului în timpul execuției. Acest lucru contează deoarece performanța într-o sarcină nu este suficientă atunci când roboții trebuie să funcționeze predictibil în lumea reală.

Metoda ar îmbunătăți performanța de urmărire a traiectoriei cu până la 15% față de abordările existente și, în același timp, oferă o garanție de stabilitate a robotului. Articolul menționează relevanța sa pentru roboți cu roți, roboți zburători și roboți cu șase picioare, ceea ce sugerează că abordarea urmărește să fie aplicabilă unor platforme robotice diferite. În loc să folosească reinforcement learning doar pentru optimizarea comportamentului, cercetătorii îl combină cu constrângeri bazate pe teoria controlului, care mențin robotul într-un regim stabil de funcționare. Sursa nu precizează algoritmii exacți, platformele hardware, condițiile de testare sau criteriile numerice folosite pentru evaluarea stabilității.

Abordarea ar putea face controlul bazat pe învățare mai fiabil pentru roboții care trebuie să urmărească o țintă sau o traiectorie și să opereze în mod sigur și predictibil. Îmbunătățirea raportată sugerează un posibil avantaj față de metodele existente, însă informațiile disponibile nu permit evaluarea performanței în aplicații specifice. Mai multe detalii tehnice și teste ulterioare ar clarifica în ce măsură metoda poate fi utilizată pe scară largă în sisteme robotice practice.