یکی از چالشهای بزرگ در کنترل مستمر رباتها توسط هوش مصنوعی، لرزشهای ناخواسته (Jitter) در حرکات است که کار با آنها را در دنیای واقعی دشوار میکند. محققان به تازگی روشی به نام ZAPS-DA معرفی کردهاند که بدون نیاز به فیلترهای سنگین یا پردازشهای اضافه، این لرزشها را تا چندین برابر کاهش میدهد.
این متد با استفاده از یک معماری دوگانه (Decoupled Actor)، خروجیهای بسیار نرم و بهینهای تولید میکند که برای کاربردهای عملیاتی مثل ماشینهای خودران و سیستمهای کنترل دقیق، یک پیشرفت قابل توجه محسوب میشود. در آزمایشها، این مدل توانسته بدون افت عملکرد، پایداری حرکتی را به شکل چشمگیری بهبود ببخشد.
منبع: arXiv Machine Learning