Китайская компания Tashan Technology открыла в пекинском районе Шицзиншань «роботизированный детский сад», демонстрирующий иной подход к обучению машин. Исследователи хотят, чтобы роботы учились посредством тактильного восприятия, проб, ошибок и собственного опыта.
Сама Tashan Technology специализируется на тактильных технологиях. В разработке проекта также участвовала команда под руководством лауреата премии Тьюринга и пионера в области обучения с подкреплением Ричарда Саттона, которая фокусируется на тактильном восприятии и непрерывном обучении.
Роботы в центре многократно пробуют выполнять движения, получая обратную связь от физического взаимодействия и корректируя своё поведение. Например, если робот врезается в стену во время обучения ходьбе, столкновение становится частью его опыта. Он записывает произошедшее, пробует снова и корректирует движение, чтобы избежать той же ошибки. Именно неудача становится данными для обучения.
Выступая на открытии центра, Саттон сказал, что проект направлен на создание безопасной среды, где роботы могут узнавать о своём строении и взаимодействовать с физическим миром посредством опыта. Он отметил, что для этого потребуются не только новые алгоритмы, но и роботы, а также среды, специально разработанные для обучения. Неудачи будут частью процесса, сказал исследователь, добавив, что исследователям, как и самим роботам, нужно будет учиться, корректировать свои действия и продолжать экспериментировать.
Китай расширяет сети центров обучения человекоподобных роботов, поскольку отрасль стремится к их внедрению в реальный мир. Например, учебные базы в районах Ичжуан и Шицзиншань в Пекине воссоздали условия, где роботы отрабатывают задачи, начиная от точных операций и заканчивая работой по дому.
Большая часть этого обучения основана на данных, собранных с помощью демонстраций с участием людей, дистанционного управления или захвата движений. Однако «роботизированный детский сад» исследует другой вопрос: могут ли роботы продолжать учиться и адаптироваться на основе собственного опыта в физическом мире.
Крис Де Асис, старший научный сотрудник исследовательского института Openmind Global Research, расположенного в Канаде, рассказал, что непрерывное обучение работает медленнее, чем обучение путём имитации, но разница в основном заключается в «долгосрочных и краткосрочных преимуществах». Он также указал на аппаратное обеспечение как на узкое место: роботы должны быть достаточно надёжными, чтобы «переживать» ошибки, необходимые для обучения.
Ван Пэн, научный сотрудник Пекинской академии социальных наук, рассказал, что автономное исследование может помочь роботам выйти за рамки обучения, ориентированного на конкретные задачи, и сформировать более фундаментальное понимание физического мира. Вместо того чтобы в значительной степени полагаться на данные, размеченные человеком или полученные с помощью телеуправления, они могли бы генерировать их посредством взаимодействия в реальном мире, формируя непрерывный цикл исследования, обратной связи и совершенствования.
Такая модель может быть особенно ценной в сложных средах, где невозможно заранее собрать демонстрации для каждой возможной ситуации.
Однако этот подход пока находится на ранней стадии. Так, небольшой робот, похожий на паука, научился двигаться вперед примерно за 40 минут без предварительных знаний, но это была узкоспециализированная задача. Для сложных человекоподобных роботов обучение включает гораздо больше переменных, от баланса и энергопотребления до контроля температуры и самозащиты.
На данный момент такое автономность, скорее всего, будет дополнять, а не заменять телеуправление, имитационное обучение и моделирование. Однако, по словам Вана, по мере того, как роботы переходят от демонстрационных образцов к использованию на заводах, в сфере коммерческих услуг и, в конечном итоге, в домах, такой подход может стать важным направлением развития робототехники.
Ранее сообщалось, что на китайские компании пришлось более 97% мировых поставок человекоподобных роботов в первой половине 2026 года. Всего за этот период в мире поставили около 19 тысяч гуманоидных роботов — более чем втрое больше, чем за аналогичный период прошлого года.
Источник: habr.com