Стартап в сфере робототехники и данных @axisrobotics, среди первоначальных инвесторов которого Pi Network Ventures от @PiCoreTeam, представил TUCO, метод выбора симулированных демонстраций для обучения робота. Исследование показывает, что правильный выбор данных может быть важнее, чем сбор большего их количества.
TUCO расшифровывается как Trajectory-level Utility and set-level Coverage Optimization (оптимизация полезности на уровне траекторий и охвата на уровне наборов). Авторы называют свою работу первым систематическим исследованием отбора данных для совместного обучения политик управления роботами с переносом из симуляции в реальный мир. Согласно странице проекта, среди авторов статьи есть представители Стэнфордского университета, Наньянского технологического университета, AXIS Robotics, Университета Карнеги-Меллон и Калифорнийского университета в Беркли, а также других учреждений.
86% успешных действий с 600 отобранными демонстрациями
В испытаниях с реальными роботами каждую задачу обучали всего на 10 демонстрациях, записанных с помощью телеуправления. Сами по себе они обеспечили средний показатель успешного выполнения 16,7%. Затем исследователи добавили симулированные демонстрации для той же задачи. Они использовали либо все 1200 демонстраций, сгенерированных в симуляции, либо 600, отобранных методом фильтрации. Соотношение реальных и симулированных данных оставалось одинаковым.
Разрыв между подходами оказался большим. Добавление всех 1200 симулированных демонстраций повысило средний показатель успешного выполнения с 16,7% до 25,8%. Случайно выбранная половина дала такой же результат, 25,8%, тогда как половина, отобранная с помощью TUCO, обеспечила 85,8%. Испытания охватывали три задачи, для каждой политики провели 40 испытаний. Показатели TUCO по отдельным задачам составили 82,5, 75,0 и 100,0, а макроусреднённый показатель равнялся 85,8%.
Авторы оговаривают ограничения исследования. В нём заданы бюджет подмножества и соотношение данных из исходного и целевого доменов, поэтому оно не определяет, сколько примеров из исходного домена следует сохранить. Результаты также получены лишь на небольшом числе задач, а сама работа опубликована на arXiv в виде препринта.
Помимо испытаний с реальными роботами, в статье также представлены результаты, полученные в симуляции. Для задачи Lift TUCO позволяет добиться результатов на уровне обучения на полных данных, используя лишь 25% исходного обучающего набора, а для задачи Square превосходит этот результат при использовании 50%.
Axis Robotics и Pi Network Ventures
Axis Robotics создаёт инфраструктуру данных для обучения роботов. Компания привлекла 12 миллионов долларов начального финансирования в раунде под руководством Hack VC при участии Nomad Capital, Pi Network Ventures, 10K Ventures и нескольких инвесторов-ангелов. О раунде было объявлено 27 июля. По данным TokenPost, Axis не раскрыла размер индивидуального вклада Pi Network Ventures; фонд представляет собой инициативу на 100 миллионов долларов, учреждённую через Pi Foundation и запущенную в мае 2025 года.
Для более широкой экосистемы Pi Network это исследование показывает, над чем работает одна из портфельных компаний. В самой статье не говорится об использовании блокчейна Pi или токена $PI.
Источники
TUCO: отбор симулированных демонстраций для совместного обучения политик управления роботами с переносом из симуляции в реальный мир (arXiv)
Страница проекта TUCO
TokenPost: план интеграции Axis Robotics и Pi Network
