近期進行的實驗探討了物理Atari強化學習框架的應用,結果顯示,雖然模擬環境表現完美,但在轉換至現實世界的攝影機和伺服器時,卻未能取得良好的效果。此外,即使是從一台理論上相同的機器人轉移到另一台機器人,也出現了明顯的性能損失。不過,透過持續的在線學習,這些機器人能夠逐漸恢復其性能。高端機械設備之間的表現差異會比這些3D列印的裝置更小,但人形機器人由於關節公差的堆疊,仍然可能存在相當大的變異性。
近期進行的實驗探討了物理Atari強化學習框架的應用,結果顯示,雖然模擬環境表現完美,但在轉換至現實世界的攝影機和伺服器時,卻未能取得良好的效果。此外,即使是從一台理論上相同的機器人轉移到另一台機器人,也出現了明顯的性能損失。不過,透過持續的在線學習,這些機器人能夠逐漸恢復其性能。高端機械設備之間的表現差異會比這些3D列印的裝置更小,但人形機器人由於關節公差的堆疊,仍然可能存在相當大的變異性。
Leave a Reply