Ученые из США представили метод, направленный на повышение скорости и плавности движений роботов при выполнении различных задач, включая манипуляции с объектами. Система оценивает будущее положение устройства после текущего действия и на основе этого прогноза формирует следующие команды.
В основе метода лежит изменение подхода к прогнозированию. Вместо использования текущих данных о положении робота и окружающей среде для расчета следующего шага, система оценивает будущее состояние устройства после выполнения текущего движения. Это позволяет модели искусственного интеллекта формировать последующие команды с опережением, сокращая паузы между действиями, которые характерны для многих существующих систем.
Главная особенность разработки — она не требует увеличения вычислительных ресурсов. Технология может быть интегрирована в различные роботизированные платформы. Применение метода позволило ускорить выполнение задач по захвату и перемещению предметов, а также повысить эффективность в динамичных сценариях, таких как игра в настольный теннис.
Дополнительное ускорение было достигнуто за счет группировки движений в более крупные блоки, что сократило общее время выполнения операций, хотя и сопровождалось незначительной потерей точности. Для обучения системы использовался специальный метод обработки данных, который ускорил процесс настройки модели в пять раз без дополнительных затрат.
В ходе испытаний на реальном оборудовании система, получившая название VLASH, продемонстрировала двукратное увеличение скорости при сортировке и укладке объектов, сохранив точность на уровне 90%, сопоставимом с лучшими базовыми показателями. Разработчики отмечают потенциальную применимость технологии в задачах, требующих быстрой реакции, включая действия в нестандартных или аварийных условиях.
В перспективе планируется интеграция метода с генеративными моделями для прогнозирования изменений внешней среды.
Читайте также: Робот с сенсорной кожей научился чувствовать человека до прикосновения.