การใช้การเรียนรู้การเสริมกำลังจากแบบจำลองสู่จริงเพื่อฝึกหุ่นยนต์ให้ทำงานง่ายๆ ในสภาพแวดล้อมที่กว้าง

ทีมนักวิทยาการหุ่นยนต์จากมหาวิทยาลัยแคลิฟอร์เนีย เบิร์กลีย์ รายงานว่าเป็นไปได้ที่จะฝึกหุ่นยนต์ให้ทำงานที่ค่อนข้างง่ายโดยใช้การเรียนรู้การเสริมกำลังแบบจำลองสู่จริงเพื่อฝึกหุ่นยนต์ ในการศึกษาของพวกเขาซึ่งตีพิมพ์ในวารสาร วิทยาศาสตร์หุ่นยนต์กลุ่มนี้ได้ฝึกหุ่นยนต์ให้เดินในสภาพแวดล้อมที่ไม่คุ้นเคยในขณะที่หุ่นยนต์บรรทุกสิ่งของต่างๆ โดยไม่ล้มทับ

ในช่วงหลายปีที่ผ่านมา นักวิทยาการหุ่นยนต์ได้ใช้เทคนิคที่หลากหลายในการฝึกหุ่นยนต์ให้เคลื่อนที่ได้อย่างมีประสิทธิภาพและรวดเร็วในสภาพแวดล้อมที่แตกต่างกัน แต่ในฐานะนักวิจัยที่มีบันทึกความพยายามใหม่นี้ หุ่นยนต์ดังกล่าวไม่มีแอปพลิเคชันที่มีประโยชน์มากนัก พวกเขาแนะนำว่าหุ่นยนต์ที่สามารถทำงานธรรมดาๆ ได้อย่างช้าๆ แต่มีประสิทธิภาพจะมีประโยชน์มากกว่ามาก ด้วยเหตุนี้ พวกเขาจึงหันมาใช้การเรียนรู้แบบเสริมกำลังจากแบบจำลองสู่จริง

เทคนิคนี้เกี่ยวข้องกับการฝึกหุ่นยนต์จำลองเพื่อทำงานที่ต้องการโดยแสดงตัวอย่างนับพันล้านตัวอย่างในสภาพแวดล้อมจำลอง วิธีการนี้ยังเกี่ยวข้องกับการใช้ระบบการให้รางวัล/การลงโทษเป็นส่วนหนึ่งของการฝึกหุ่นยนต์ หากหุ่นยนต์ทำสิ่งที่ถูกต้องในขณะที่พยายามบรรลุเป้าหมาย ก็จะได้รับรางวัลจากการได้รับ "1" เป็นต้น หากทำอะไรผิด จะได้รับ "-1" เมื่อเวลาผ่านไป มันจะปรับปรุงประสิทธิภาพในขณะที่พยายามเพิ่มจำนวนรางวัล

ทีมวิจัยใช้วิธีการฝึกหุ่นยนต์ชื่อ Digit เพื่อนำทางไปตามทางเท้าในส่วนที่ไม่รู้จักของเมือง และพักฟื้นหลังจากถูกลูกบอลขนาดใหญ่โจมตีซ้ำแล้วซ้ำเล่า เพื่อเอาชนะการยับยั้งชั่งใจ เพื่อเดินข้ามวัสดุที่อาจเป็นไปได้ ทำให้มันสะดุด สะพายเป้ สะพายถุงขยะลงถังขยะ และใช้ถุงผ้าสะพายของใช้ส่วนตัว

นักวิจัยแนะนำว่าการเรียนรู้แบบเสริมกำลังจากแบบจำลองสู่จริงสามารถใช้เพื่อฝึกหุ่นยนต์ในสภาพแวดล้อมจริง เช่น ที่บ้าน สำนักงาน หรือพื้นโรงงานได้ พวกเขาทราบว่าแนวคิดคือการทำให้หุ่นยนต์มีประโยชน์มากขึ้น