محققان در مقاله جدیدی به سراغ یکی از چالشهای بنیادی در رباتیک، یعنی مسیریابی در جریانهای سیال متغیر و غیرقابل پیشبینی (مانند جریانهای آبی یا باد) رفتهاند.
این تیم با استفاده از الگوریتم یادگیری تقویتی (TD3)، رباتهایی آموزش دادهاند که میتوانند بدون نیاز به دانش جهانی از محیط، با الهام از سیستمهای بیولوژیکی و استفاده از حسگرهای محلی، مسیر خود را به سمت هدف پیدا کنند.
نکته جالب اینجاست که مدلهای مجهز به «حافظه کوتاهمدت» و «حسگرهای سرعت»، عملکرد بسیار بهتری نسبت به مدلهایی داشتند که اطلاعات کلی محیط به آنها داده میشد؛ که این یعنی یادگیری تقویتی میتواند سیاستهای بسیار منعطفتر و هوشمندانهتری را بدون تکیه بر اطلاعات کامل ایجاد کند. 🌊🚀
منبع: arXiv Machine Learning