Компания World Labs, сооснователем которой является профессор Стэнфордского университета Фей-Фей Ли, 28 июля представила новый инструмент для обучения и оценки роботов — движок Real-to-Sim-to-Real (R2S2R).
Основная проблема современного роботостроения — сложность масштабирования: роботы хорошо показывают себя в лабораторных условиях, но в реальном мире сталкиваются с непредсказуемыми ситуациями (движущиеся объекты, изменение освещения и т. д.). Традиционное обучение требует большого объёма данных и многократных тестов на физическом оборудовании, что дорого и медленно.
World Labs считает, что ключ к масштабированию — не в усовершенствовании моделей, а в создании большого количества тренировочных и тестовых «миров». R2S2R позволяет превратить одну реальную задачу в тысячи вариаций для симуляции. Процесс состоит из двух этапов: real-to-sim (перевод реальной задачи в симуляцию) и sim-to-real (обучение и тестирование стратегий в симуляции с последующей проверкой их эффективности в реальности).
На этапе real-to-sim воссоздаётся реальная ситуация с роботом, датчиками, окружением и объектами, а затем система генерирует тысячи вариантов этой ситуации, меняя различные параметры (расположение объектов, физические условия и т. д.). На этапе sim-to-real в этих симуляциях обучаются и тестируются стратегии, проверяется, насколько точно симуляция предсказывает поведение робота в реальности.
Ключевой результат — замыкание цикла между real-to-sim и sim-to-real. Стратегии, обученные исключительно в симуляции без использования реальных данных, можно применять к разным роботам и задачам: например, прокладывать кабели вокруг холодильника, брать пробирки, извлекать предметы из кучи мусора. В одном из тестов модели проходили по 2000 испытаний в симуляции и 100 — на физическом оборудовании. Результаты показали, что стратегии, эффективные в симуляции, работают и в реальности как в предсказуемых, так и в нестандартных ситуациях.
Движок R2S2R опирается на технологию SceniX, представленную World Labs 21 июля. Она помогает надёжно переносить результаты симуляционного обучения на реальное оборудование.
По мнению World Labs, ценность мира как модели заключается в возможности обучать роботов и переносить полученные знания в реальный мир. Рынок таких решений оценивается как значительный — например, платформа Omniverse от NVIDIA может охватывать рынок объёмом более 1 трлн долларов.
Подписаться в Макс
