`

СПЕЦИАЛЬНЫЕ
ПАРТНЕРЫ
ПРОЕКТА

Архив номеров

BEST CIO

Определение наиболее профессиональных ИТ-управленцев, лидеров и экспертов в своих отраслях

Человек года

Кто внес наибольший вклад в развитие украинского ИТ-рынка.

Продукт года

Награды «Продукт года» еженедельника «Компьютерное обозрение» за наиболее выдающиеся ИТ-товары

 

Facebook открыла ИИ-алгоритм надёжной навигации без карты

+22
голоса

Facebook открыла ИИ-алгоритм надёжной навигации без карты

Ориентирование роботов и умных ассистентов внутри зданий представляет серьёзную проблему, поскольку любые карты теряют актуальность из-за перепланировок, перестановок мебели, постоянного перемещения предметов, людей и домашних животных. Умение интеллектуальных агентов эффективно двигаться к цели без карты ускорило бы появление умных приложений, которые приносили бы пользу в реальных ситуациях.

Facebook 21 января предоставила сообществу Open Source ИИ-алгоритм распределённого обучения с подкреплением DD-PPO (Decentralized Distributed Proximal Policy Optimization), который решает эту проблему, практически гарантируя достижении цели для робота, использующего только встроенные датчики.

Модель, оттренированная этим алгоритмом за 2,5 млрд циклов обучения (это примерно соответствует 80 годам человеческого опыта), в организованном компанией конкурсе по автономному ориентированию, Habitat Challenge 2019, добивалась успеха в 99,9% попыток на виртуальных имитациях жилых домов и офисных помещений, при использовании лишь камеры, компаса и GPS. На базе LoCoBot и открытого фреймворка Facebook PyRobot данная модель сдала экзамен и в условиях реального полигона.

Это существенный прогресс по сравнению с прежним лучшим достижением — 92%, и он имеет важное прикладное значение: для реального робота, действующего в условиях офиса или лаборатории даже одно единственное неправильное движение из ста несёт риск порчи оборудования и поэтому недопустимо.

В дополнение к открытию кода DD-PPO и обученных этой системой моделей, Facebook AI сообщила о новом конкурсе по ориентированию в помещениях — с использованием только данных встроенной камеры. Это значительно более сложная задача: при той же длительности обучения в 2,5 млрд циклов DD-PPO (это трое суток работы 64 GPU) доля успеха пока не превышает 16%. Но её решение сделало бы системы ИИ готовыми к работе в тех вполне обыденных ситуациях, когда сигналы GPS и показания компаса экранируются или искажаются стенами зданий.

Дізнайтесь більше про мікро-ЦОД EcoStruxure висотою 6U

+22
голоса

Напечатать Отправить другу

Читайте также

 

Slack подает жалобу на Microsoft и требует антимонопольного расследования от ЕС

 
Реклама

  •  Home  •  Рынок  •  ИТ-директор  •  CloudComputing  •  Hard  •  Soft  •  Сети  •  Безопасность  •  Наука  •  IoT