محققان به تازگی رویکردی جدید برای «یادگیری فعال تجسمیافته» (Embodied Active Learning) معرفی کردهاند که به رباتها کمک میکند در محیطهای ناشناخته و با بودجه محدود (هم از نظر ناوبری و هم از نظر تعداد نمونههای آموزشی)، دقت تشخیص اشیاء خود را به حداکثر برسانند.
نکته جالب اینجاست که ربات با استفاده از «ناسازگاری فضایی»، مناطقی را شناسایی میکند که نیاز به آموزش مجدد دارند؛ این یعنی ربات خودش یاد میگیرد کجا بیشتر دقت کند! این متد در شبیهساز AI2-THOR و حتی روی ربات واقعی Spot بوستون داینامیکس تست شده و نتایج فوقالعادهای در دقت تشخیص داشته است.
این یک قدم بزرگ برای هوشمندتر شدن رباتهای خدماتی در دنیای واقعی است. برای جزئیات بیشتر و دسترسی به پروژه متنباز میتوانید به منبع مراجعه کنید.
منبع: arXiv Computer Vision