Как сообщила пресс-служба МФТИ, эта модель интегрирует самонастройку в процесс обучения, оптимизируя параметры, такие как масса, трение и инерция, на основе данных о положении, скорости и управляющих сигналах.
Испытания с двуногим мини-роботом показали снижение отклонения на 75% и увеличение дальности перемещения на 46%.
Такой подход позволяет отказаться от использования дорогостоящих датчиков, поскольку для настройки робота требуются только данные о его положении, скорости и управляемых сигналах.Аспирант МФТИ Вячеслав Ковалёв отметил способность модели оптимизировать параметры и создавать виртуальную копию робота, что позволяет точно воспроизводить сценарии из реального мира.
«Обычно, чтобы точно определить параметры робота, на него приходится вешать множество дорогих и неудобных датчиков. Наша модель использует только данные о положении, скорости частей робота и управляющих командах, которые подаются на его моторы. На их основе симулятор оптимизирует параметры и настраивает виртуальную копию робота. Это позволяет уже реальному работу идеально повторять его сценарии», — пояснил Ковалёв.
Свежие комментарии