車のコントロールのためのRL

ML は車のコントロールを学習できますか?

ロボット工学に対するエンドツーエンドの汎用 ML ソリューションでは、センサーとアクチュエーター間のすべてを ML が学習する必要があります。ロボット犬がバックフリップをしたり、ヒューマノイドがスピンキックをしたりするなど、ML アルゴリズムが学習する印象的な例は数多くありますが、通常は PID や MPC などの古典的な低レベル制御に依存しています。これらの古典的な制御アルゴリズムは、システム ダイナミクスが既知で固定されている場合にうまく機能しますが、それが常に保証されているわけではありません。可能な限り最高のロボット ソリューションを得るには、最適な制御動作を自動的に学習する汎用的なソリューションが必要です。

車のステアリングアクチュエーターを制御するオープンパイロットでは、これらの従来の低レベルコントローラーが運転の問題の原因であり、より高性能な ML ソリューションに置き換える必要があります。人間は新しい車を運転し、数秒以内にその「感触」を学ぶことができます。RL アルゴリズムも同じことができるはずです。これは、汎用ロボットの開発に必要なステップであり、comma で私たちが取り組んでいることでもあります。