🤖 Робот сначала ошибается в симуляции, а потом исправляет движение до попытки в реальном мире.
Sakana AI и Токийский университет представили SAIL.
Модель получает несколько примеров выполнения задачи и предлагает траекторию.
Её проверяют в симуляторе, другая модель смотрит видео и отмечает, где робот перестал продвигаться к цели. Затем система меняет неудачный участок и пробует снова. На физический манипулятор отправляют только выбранную траекторию.
В симуляции робот выполнял шесть разных задач. Одна попытка выбрать движение приводила к успеху в 25% случаев. Когда SAIL могла проверить и улучшить до 45 вариантов, успех вырос до 73%. Затем метод испытали на настоящем роботе: в одной задаче он справился 5 раз из 6.
Пока это проверка на одной физической задаче, но идея наглядная: дать модели больше попыток *до* движения робота, не переобучая её.
Блог - https://pub.sakana.ai/sail/
Статья - https://arxiv.org/abs/2603.08269
@ai_machinelearning_big_data
#Sakana
Sakana AI и Токийский университет представили SAIL.
Модель получает несколько примеров выполнения задачи и предлагает траекторию.
Её проверяют в симуляторе, другая модель смотрит видео и отмечает, где робот перестал продвигаться к цели. Затем система меняет неудачный участок и пробует снова. На физический манипулятор отправляют только выбранную траекторию.
В симуляции робот выполнял шесть разных задач. Одна попытка выбрать движение приводила к успеху в 25% случаев. Когда SAIL могла проверить и улучшить до 45 вариантов, успех вырос до 73%. Затем метод испытали на настоящем роботе: в одной задаче он справился 5 раз из 6.
Пока это проверка на одной физической задаче, но идея наглядная: дать модели больше попыток *до* движения робота, не переобучая её.
Блог - https://pub.sakana.ai/sail/
Статья - https://arxiv.org/abs/2603.08269
@ai_machinelearning_big_data
#Sakana