Mô hình Trung Quốc giúp robot hình người thích nghi với các nhiệm vụ mà không cần đào tạo

Các nhà nghiên cứu từ Đại học Vũ Hán đã phát triển một khung công tác mới gọi là chính sách đa phương thức tiên nghiệm hình học hồi quy (RGMP) nhằm nâng cao khả năng thao tác vật thể của robot hình người với sự thích ứng giống con người và yêu cầu đào tạo tối thiểu. Các robot hình người hiện nay xuất sắc trong các nhiệm vụ cụ thể nhưng gặp khó khăn trong việc tổng quát hóa khi vật thể thay đổi hình dạng, ánh sáng biến đổi hoặc khi gặp các nhiệm vụ mà chúng chưa được huấn luyện rõ ràng. RGMP giải quyết những hạn chế này bằng cách kết hợp hai thành phần chính: Bộ chọn kỹ năng tiên nghiệm hình học (GSS), giúp robot phân tích hình dạng, kích thước và hướng của vật thể để chọn kỹ năng phù hợp, và Mạng Gaussian hồi quy thích ứng (ARGN), mô hình hóa các mối quan hệ không gian và dự đoán chuyển động một cách hiệu quả với số lượng mẫu đào tạo ít hơn nhiều so với các phương pháp học sâu truyền thống. Kết quả thử nghiệm cho thấy robot sử dụng RGMP đạt tỷ lệ thành công 87% trong các nhiệm vụ mới mà không cần kinh nghiệm trước, thể hiện sự cải thiện đáng kể so với các mô hình dựa trên chính sách khuếch tán hiện có, với hiệu quả dữ liệu cao gấp khoảng năm lần. Tiến bộ này có thể giúp robot hình người thực hiện được nhiều nhiệm vụ hơn trong các môi trường động như vậy.