Dreamerと呼ばれるチームのアルゴリズムは、過去の経験を使用して周囲の世界のモデルを構築します。 Dreamerはまた、ロボットがその潜在的な行動の潜在的な将来の結果を予測することにより、現実の世界とは対照的に、コンピュータープログラムで試行錯誤の計算を実行できるようにします。 これにより、純粋に行うよりも速く学習することができます。 ロボットが歩くことを学ぶと、棒で倒されるのに抵抗するなど、予期しない状況に適応することを学び続けました。
「試行錯誤でロボットを教えることは難しい問題であり、そのような教育に必要な長いトレーニング時間によってさらに困難になります」と、ロボット工学と機械学習を専門とするニューヨーク大学のコンピューターサイエンスの助教授であるLerrelPintoは言います。 ドリーマーは、深層強化学習と世界モデルがロボットに非常に短い時間で新しいスキルを教えることができることを示しています、と彼は言います。
オレゴン州立大学のロボット工学の教授であるジョナサン・ハースト氏は、まだピアレビューされていない調査結果は、「強化学習がロボット制御の将来の基礎となるツールになる」ことを明らかにしていると述べています。
ロボットトレーニングからシミュレーターを削除すると、多くのメリットがあります。 このアルゴリズムは、実世界でスキルを習得し、ハードウェア障害などの状況に適応する方法をロボットに教えるのに役立つ可能性があります。たとえば、ロボットは、片足で故障したモーターを使って歩くことを学ぶことができます。
エジンバラ大学の人工知能の助教授であるステファノ・アルブレヒト氏は、このアプローチは、自動運転のような複雑で高価なシミュレーターを必要とする、より複雑なものにも大きな可能性を秘めていると述べています。 新世代の強化学習アルゴリズムは、「環境がどのように機能するかを現実の世界で非常に迅速に理解することができます」とアルブレヒト氏は言います。
