Нейросети для роботов и дронов станут работать точнее
Исследователи Центра искусственного интеллекта МГУ имени М.В. Ломоносова разработали метод обучения нейронных сетей, который позволяет моделировать и прогнозировать системы, в которых управляющее воздействие поступает с задержкой. Такие ситуации возникают, например, при управлении летательными аппаратами, в робототехнике и биомеханических моделях. Работа опубликована в журнале IEEE Access.
Во многих технических и биомеханических системах управляющее воздействие достигает объекта не мгновенно. Задержка может возникать из-за работы датчиков, передачи данных или особенностей самого механизма. В результате моделям становится сложнее точно воспроизводить поведение системы и предсказывать ее дальнейшую динамику.
Эта проблема особенно заметна в задачах, где модель должна обновляться в реальном времени. Например, при управлении летательными аппаратами или роботами необходимо постоянно учитывать новые данные, поступающие от датчиков и систем наблюдения. Если модель не принимает во внимание задержку входного воздействия, ее прогноз может постепенно расходиться с реальным поведением системы.
Авторы предложили метод, основанный на динамической нейронной сети. В отличие от обычных моделей, которые обучаются заранее и затем работают с неизменными параметрами, такая сеть продолжает уточнять свои параметры прямо во время работы системы. По мере поступления новых данных она корректирует внутренние настройки и улучшает прогноз динамики системы.