محققان در مطالعهای جدید، روشی نوآورانه برای افزایش ایمنی در «یادگیری تقویتی عمیق» (DRL) ارائه دادهاند. مشکل اصلی مدلهای فعلی، ماهیت «جعبه سیاه» آنهاست که میتواند در سیستمهای صنعتی خطرناک باشد.
در این رویکرد، یک مدل فیزیکی مشتقپذیر مستقیماً با الگوریتم PPO ترکیب شده است. این سیستم با پیشبینی مسیرهای آینده در کوتاهمدت، قبل از وقوع هرگونه حادثه یا نقض ایمنی، به مدل هشدار میدهد. آزمایش این روش روی شبیهساز بالگرد ۱ درجه آزادی، نشاندهنده کاهش چشمگیر خطرات و حفظ دقت بالا در کنترل بوده است. گامی مهم برای پیوند میان فیزیک کلاسیک و هوش مصنوعی در صنایع حساس! 🚁⚙️
منبع: arXiv Machine Learning