Науковці з Пенсільванського університету розробили передову систему під назвою DrEureka, яка змінює підходи до навчання роботів. Використовуючи великі мовні моделі, схожі на GPT-4 від OpenAI, ця система демонструє значно більшу ефективність у порівнянні з традиційними методами навчання в реальному світі.
DrEureka використовує симульоване середовище, де роботи навчаються виконувати завдання з залученням рандомізації ключових параметрів, таких як тертя, маса та демпфування. Це дозволяє швидко адаптувати навички до реальних умов. Система також використовує складний алгоритм винагород і штрафів, що допомагає роботу вдосконалюватися після кожного симуляційного тесту.
Однак, дослідники відзначають важливість додаткових інструкцій з безпеки. Без них, штучний інтелект може шукати неочікувані шляхи для максимізації продуктивності, що може бути небезпечним у реальному світі, як, наприклад, випадок з роботом, що намагався пересуватися на трьох ногах для збільшення швидкості.
Завдяки інноваціям системи DrEureka, чотирилапий робот Unitree Go1 зміг показати значне покращення у своїх можливостях, зокрема 34-відсоткове збільшення швидкості руху і 20-відсоткове збільшення відстані, яку він може долати по пересіченій місцевості.
Науковці впевнені, що подальше інтегрування зворотного зв’язку з реального світу може ще більше підвищити ефективність системи, зокрема через аналіз відеозаписів випробувань роботів. Це відкриває нові можливості для застосування штучного інтелекту в робототехніці і може значно прискорити розвиток цієї галузі.