Новый метод машинного обучения на прогноз ситуаций

Новый метод машинного обучения на прогноз ситуаций

Понимание реакции роботов для разных условий применения несёт высокую значимость в деле обеспечения безопасной работы такой техники. Однако каким образом определить неисправность робота, не разбирая конструкции? Новый метод, разработанный учеными IST Austria совместно с коллегами MPI, видится уникальным машинным обучением. Методика поддерживает использование наблюдений, сделанных в безопасных условиях, для последующего точного прогнозирования всех возможных ситуаций, управляемых одной и той же физической динамикой. Специально предназначенный для реальных ситуаций, метод обеспечивает простые интерпретируемые описания основ физики.

Инновационная технология учения роботов

Прежде машинное обучение роботизированных систем наделялось способностями интерполировать данные, составляющие прогнозы о ситуациях, появление которых возможно в промежутках между другими точно известными ситуациями.

Такая методика отмечалась неспособностью экстраполировать — делать прогнозы относительно ситуаций за пределами известных. Причина тому — обучение максимально точно подбирать известные данные локально, независимо от того, как робот будет работать за пределами конкретных событий.

Кроме того, сбор достаточных данных для эффективной интерполяции является как временным, так и ресурсоемким и требует данных относительно экстремальных или опасных ситуаций.

И вот теперь разработан новый метод машинного обучения, благодаря которому решаются эти проблемы. Технология является первым методом машинного обучения для точной экстраполяции в непредсказуемые ситуации.

Ключевой особенностью нового метода является стремление выявить истинную динамику ситуации. Алгоритм принимает данные и возвращает уравнения, описывающие основную физику. По этому поводу объясняет один из участников проекта:

Если нам известны эти уравнения, тогда есть все основания констатировать, что именно произойдет в любых ситуациях, даже если события фактически непредсказуемы.

Другими словами, это технология, позволяющая надежно экстраполировать метод, делая его уникальным среди всех существующих методик машинного обучения. Также существуют и другие отличия.

Уникальность новой методики машинного обучения роботов

Во-первых, конечные приближения, ранее полученные в процессе машинного обучения, отличались слишком сложными процессами для понимания человеком. Новый метод предлагает более простые результирующие уравнения.

Во-вторых, другие методы машинного обучения не дают понимания взаимосвязи между условиями и результатами. Следовательно, нет никакой интуиции относительно того, является ли модель действительно правдоподобной.

Наконец, чтобы гарантировать интерпретацию и оптимизацию для физических ситуаций, новый метод обучения построен на разных типах шаблонов.

Новый дизайн проще, чем предыдущие технологии, что практически означает получение одинаковых или даже лучших результатов при меньшем количестве интерпретируемых данных.


При помощи информации: IST