美国密西根大学发现提高机器人性能的优化算法

美国密西根大学研究人员发现了一种拓展机器人训练数据集的新方法，可用于训练处理绳索和织物等软物体或在杂乱环境中工作的机器人，能将机器人学习新材料和环境的时间减少到几个小时。模拟测试显示，扩展的训练数据集将机器人在发动机缸体上绕绳的成功率提高了40%以上，几乎是物理机器人在类似任务中成功率的两倍。研究团队对一种优化算法进行了改进，使计算机能够像人一样进行类比，例如预测一种动态过程如何在其他情况下再现。

一项用真实机器人探索动态学习的实验表明，在机器人能够使用该优化算法的情况下，在30次尝试的过程中，13次成功，使平时仅有23%的成功率几乎翻了一番。

这项工作得到了美国国家科学基金会、海军研究办公室和丰田研究所的资助，相关论文已在《Robotics: Science and Systems》期刊上发表。获 取 更多前沿科技?研究 进展访问：https://byteclicks.com

版权声明：除特殊说明外，本站所有文章均为 字节点击 原创内容，采用 BY-NC-SA 知识共享协议。原文链接：https://byteclicks.com/39375.html 转载时请以链接形式标明本文地址。转载本站内容不得用于任何商业目的。本站转载内容版权归原作者所有，文章内容仅代表作者独立观点，不代表字节点击立场。报道中出现的商标、图像版权及专利和其他版权所有的信息属于其合法持有人，只供传递信息之用，非商务用途。如有侵权，请联系 gavin@byteclicks.com。我们将协调给予处理。

赞