Исследователи из AIRI (Института искусственного интеллекта) предложили метод, который позволяет AI-агентам быстро адаптироваться к изменяющимся условиям без дополнительного дообучения. Разработка направлена на решение фундаментальной проблемы физического ИИ и робототехники.
Модели, обученные в симуляторах, часто показывают высокую эффективность в контролируемой среде, но в реальных условиях сталкиваются с неожиданными изменениями: появление препятствий, изменение сцепления с поверхностью, структуры пространства или поведения других объектов. Это приводит к заметному снижению качества работы агента.
Предложенный AIRI подход заключается в том, что модель сама определяет, в какой среде она находится, и выбирает соответствующую стратегию поведения. Это позволяет избежать усреднения различных сценариев, характерного для предыдущих методов, таких как Forward-Backward.
Ранее популярный подход Forward-Backward позволял агенту прогнозировать будущие состояния и выбирать путь к цели. Однако его слабым местом было усреднение множества возможных сценариев, что приводило к неоптимальным действиям в нестабильной среде.
Новый метод от AIRI может существенно повысить адаптивность роботов в реальных условиях, делая их более автономными и эффективными. Это особенно важно для применений в промышленности, логистике и сервисной робототехнике.
Разработка пока находится на стадии исследований, но уже показывает многообещающие результаты. Ожидается, что в будущем метод позволит создавать более гибкие и надежные системы искусственного интеллекта.