Орієнтування роботів і розумних асистентів всередині будівель представляє серйозну проблему, оскільки будь-які карти втрачають актуальність через перепланування, перестановки меблів, постійне переміщення предметів, людей і домашніх тварин. Уміння інтелектуальних агентів ефективно рухатися до мети без карти прискорило б появу розумних додатків, які приносили б користь в реальних ситуаціях.
Facebook 21 січня надала спільноті Open Source ШІ-алгоритм розподіленого навчання з підкріпленням DD-PPO (Decentralized Distributed Proximal Policy Optimization), який вирішує цю проблему, практично гарантуючи досягнення мети для робота, що використовує тільки вбудовані датчики.
Модель, натренована цим алгоритмом за 2,5 млрд циклів навчання (це приблизно відповідає 80 рокам людського досвіду), в організованому компанією конкурсі з автономного орієнтування, Habitat Challenge 2019, досягала успіху в 99,9% спроб на віртуальних імітаціях житлових будинків і офісних приміщеннях , при використанні лише камери, компаса і GPS. На базі LoCoBot і відкритого фреймворку Facebook PyRobot дана модель здала іспит і в умовах реального полігону.
Це суттєвий прогрес в порівнянні з колишнім кращим досягненням – 92%, і він має важливе прикладне значення: для реального робота, що діє в умовах офісу або лабораторії навіть один єдиний неправильний рух зі ста несе ризик псування обладнання і тому неприпустимий.
На додаток до відкриття коду DD-PPO і навчених цією системою моделей, Facebook AI повідомила про новий конкурс з орієнтування в приміщеннях – з використанням тільки даних вбудованої камери. Це значно складніше завдання: при тій же тривалості навчання в 2,5 млрд циклів DD-PPO (це три доби роботи 64 GPU) частка успіху поки не перевищує 16%. Але її рішення зробило б системи ШІ готовими до роботи в тих цілком звичайних ситуаціях, коли сигнали GPS і показання компаса екрануються або спотворюються стінами будівель.
Джерело: ko.com.ua
