रोबोट चलना कैसे सीखते हैं: रीइन्फ़ोर्समेंट लर्निंग
रोबोट हरकतें आज़माता है, अच्छे नतीजों पर अंक पाता है और कोशिश-और-ग़लती से सीखता है, ज़्यादातर पहले सिमुलेशन में।
The robot repeats this loop many times a second. Tap a step to pause on it.
रीइन्फ़ोर्समेंट लर्निंग में प्रोग्राम कार्य आज़माता है और चीज़ें ठीक जाने पर इनाम पाता है, जैसे गिरे बिना आगे बढ़ना। लाखों कोशिशों में वह सीखता है कि कौन से कार्य ज़्यादा इनाम देते हैं।
सिमुलेटर में ट्रेनिंग तेज़ और सुरक्षित है। फिर सीखा हुआ चलना असली रोबोट पर ले जाया जाता है, जिसे सिम-टू-रियल कहते हैं।
रोबोट ऐसी चाल खोज सकता है जिसे हाथ से लिखना बहुत कठिन होता, और उभारों तथा ढलानों के हिसाब से ढल सकता है।
इंजीनियरों को चाल का हर नियम हाथ से लिखना और हर नए रोबोट या ज़मीन के लिए दोबारा ट्यून करना पड़ता है।
सिमुलेटर कभी पूरे सही नहीं होते, इसलिए असली रोबोट अलग व्यवहार कर सकता है, और ग़लत इनाम अजीब चालाकी वाला व्यवहार पैदा कर सकता है।
ट्रेनिंग पहले सिमुलेशन में क्यों होती है?