Как предварительно обученные визуальные представления могут помочь решить проблему манипулирования с долгой горизонтом? Знакомьтесь с Universal Visual Decomposer (UVD) готовым к использованию методом для идентификации подцелей из видео

Как заранее обученные визуальные представления могут помочь преодолеть проблему манипуляции с долгим горизонтом? Знакомьтесь с готовым к использованию методом Universal Visual Decomposer (UVD) для идентификации субцелей на видео

В исследовательской статье “Universal Visual Decomposer: Long-Horizon Manipulation Made Easy” авторы рассматривают проблему обучения роботов выполнять длительные манипуляционные задачи на основе визуальных наблюдений. Эти задачи включают в себя несколько этапов и часто встречаются в реальных сценариях, таких как готовка и уборка. Обучение таким сложным навыкам является сложной задачей из-за накапливающихся ошибок, обширного пространства действий и наблюдений, а также отсутствия значимых сигналов обучения для каждого шага.

Авторы представляют инновационное решение, называемое Universal Visual Decomposer (UVD). UVD – это готовый к использованию метод декомпозиции задачи, который использует предварительно обученные визуальные отображения, предназначенные для управления роботами. Он не требует специфического для задачи знания и может применяться к различным задачам без дополнительного обучения. UVD работает, обнаруживая промежуточные цели внутри визуальных демонстраций, что помогает в обучении стратегии и обобщении на невидимые задачи.

Основная идея, лежащая в основе UVD, заключается в том, что предварительно обученные визуальные отображения способны захватывать временной прогресс в коротких видеороликах целенаправленного поведения. Применяя эти отображения к длинным, несегментированным видеороликам задачи, UVD идентифицирует сдвиги фаз в пространстве вложения, обозначающие переходы субзадач. Этот подход является полностью безнаблюдаемым и не требует дополнительных затрат на обучение стандартных стратегий визуомоторного обучения.

• Революция в анализе документов познакомьтесь с DSG – первой полностью обучаемой системой для извлечения иерархической структуры.
• Министерство энергетики ускоряет развитие новых технологий
• Тёмный рынок GitHub, который помогает разработчикам обманывать популярные конкурсы

Эффективность UVD продемонстрирована через обширные оценки как в симуляционных, так и в реальных задачах. Он превосходит базовые методы в настройке имитации и обучения с подкреплением, показывая преимущество автоматизированной декомпозиции визуальных задач с использованием фреймворка UVD.

В заключение, исследователи представили Universal Visual Decomposer (UVD) в качестве готового к использованию решения для декомпозиции длительных манипуляционных задач с использованием предварительно обученных визуальных отображений. UVD предлагает многообещающий подход к улучшению обучения и обобщения стратегий робототехники, с успешным применением как в симулированных, так и в реальных сценариях.