Робота обучили новому навыку по 29-секундному видео вместо 50 демонстраций

Исследователи, связанные с компанией X Square Robot, представили на платформе arXiv инновационный подход HOST (Human-to-robot One-Shot Skill AcquisiTion). Данная технология даёт роботехническим системам возможность осваивать новые умения по единственной видеозаписи человеческих действий и незамедлительно воспроизводить их, не прибегая к корректировке весовых коэффициентов нейросети.

Процесс усвоения нового навыка занимает в среднем 29 секунд, при этом показатель успешности достигает 62%. Безусловно, до полноценной промышленной стабильности ещё предстоит проделать большую работу, однако ключевое достоинство HOST заключается в ином: видеозапись используется не в качестве обучающей выборки, а в роли контекстного ориентира для уже обученной, зафиксированной модели. Именно этот принцип обеспечивает рекордное быстродействие.

Принцип действия алгоритма заключается в следующем. Система анализирует ролик, где человек выполняет определенную манипуляцию (например, перемещает объект из одного сосуда в другой), и определяет текущую фазу процесса. Затем алгоритм прогнозирует, как эта же стадия должна отображаться в сенсорном поле самого робота, эффективно адаптируя человеческий опыт под анатомические и аппаратные особенности машины. На завершающем этапе HOST формирует последовательность шагов, гарантирующих достижение аналогичного результата. Никаких ресурсоемких циклов дообучения или ручной разметки — достаточно одного показа и единственного прохода.

Разработчики сопоставляют результаты HOST с двумя базовыми сценариями: автономным выполнением задачи без предварительного инструктажа (zero-shot), где результативность составляет лишь 17%, и классическим подходом с глубокой адаптацией модели на основе полусотни примеров для каждого конкретного действия. Новая методика превосходит zero-shot на 45 процентных пунктов и демонстрирует 507-кратное превосходство в скорости по сравнению с трудоемким тонким тюнингом. Тем не менее, показатель в 62% сигнализирует о том, что примерно в четырех случаях из десяти устройство совершает ошибки. Кроме того, испытания ограничивались фирменным аппаратным обеспечением и заранее подготовленными сценариями, без тестирования на стороннем оборудовании, в непривычной обстановке или с новыми категориями предметов.

Для специалистов в области робототехники наибольшую ценность представляет сама архитектурная концепция: неизменяемая базовая модель, управляемая демонстрационными данными непосредственно в момент инференса, минуя этапы оптимизации. Если независимым научным коллективам удастся подтвердить работоспособность метода на иных типах роботов и повысить надежность хотя бы до 85–90% путем совершенствования модуля анализа прогресса, HOST имеет все шансы превратиться в стандарт индустрии для оперативного перепрограммирования промышленных манипуляторов.

Источник: iXBT