Eén robotoefening wordt duizenden trainingssituaties

Wetenschappers hebben een methode ontwikkeld waarmee een enkele praktijkmeting van een robot kan worden omgezet in een groot aantal virtuele trainingsscenario's. Door deze fysieke handeling te repliceren binnen een digitale simulatieomgeving, ontstaat een veelvoud aan virtuele oefencontexten. Hierdoor is het niet langer vereist om fysieke robots herhaaldelijk dezelfde handeling in de echte wereld te laten uitvoeren.

Deze aanpak raakt aan een bekend vraagstuk binnen de robotica. Het trainen van systemen op basis van fysieke handelingen is doorgaans kostbaar en tijdrovend, omdat robots vele uren nodig hebben om vaardigheden onder de knie te krijgen. Virtuele simulaties worden daarom al langer ingezet als alternatief, hoewel het genereren van realistische trainingsdata tot op heden een uitdaging vormde.

Efficiëntere ontwikkeling

Door gebruik te maken van computergegenereerde variaties op basis van één echte opname, wordt het ontwikkelproces van robots aanzienlijk gestroomlijnd. Dit past binnen een bredere trend in de technologiesector, waarbij de nadruk steeds sterker ligt op het combineren van praktijkdata met virtuele modellen om machine learning te versnellen zonder dat daar grootschalige fysieke experimenten voor nodig zijn.