Lu xew
Gëstukat yi ci MIT ñoo defar HardFlow, di buy yeggali jamono ngir model IA yuy defar ci anam wu wóorul dara, physique, wala ay sàrti liggéey. Xeetu liggéey bi dafay may jéego yu diggi yi ñu gëna moom seen bopp, ba noppi di doxal génne gu mujj gi ngir mëna satisfaire ay jafe-jafe yu metti. MIT dafay xamle ay jaar-jaar ci jëfandikoo robot, navigation ci labyrinthe, ak soppali nataal yuñ teg ci mbind, foofu la HardFlow defee ay jafe-jafe yuñ laaj ba noppi gëna xarañ ci pexe yu njëkk yi ci wàllu nattug kalite pexe.
Pexem bi dafay formuleewaat échantillonnage bu dëgër bi muy jafe-jafe trajectoire-optimisation ci jëfandikoo pexe yu baax-contrôle. Du forse bépp xeetu diggite ngir mëna daje ak ay jafe-jafe, HardFlow mooy jiite trajectoire generation bi te dafay laaj génne gu mujj gi nekk lu mëna dem. Gëstukat yi neena ñu loolu dafay gëna rataxal moom sa bopp ci jamonoy generation ba noppi may yeneen mébet, lu melni wàññi guddaayi yoonu robot.
Woykat bi dafa wax ni ekip bi dafa jëfandikoo xeetu model yu méngoo ngir xaaj jafe-jafe optimisation bu mag bi ci jafe-jafe yu ndaw yu am benn jéego. Dafay wax ni HardFlow amna satisfaction constraint bu mat sëkk ci jàngat yi ci jëfandikoo robot, navigation labyrinthe, ak soppali nataal yuñ teg ci bind, ci noonu muy gëna mëna jëfandikoo pexe yu njëkk yi ci natt kalite pexe. Woykat bi dafa wax itam ni diiru xayma bi ñu def mingi méngoo wala gëna ndaw ci diiru xayma yi ci yeneen pexe yu ñuy xëcc. Amul benn resultaa buñ joxe ci nimero, ligne de base yu am tur, génne kode, wala leeral ci jëfandikoo model bi.
Ay leeral ci cosaan: news.mit.edu ↗
Lu tax mu am solo
Modèle generatif yi daanaka jub mën nañu ba leegi nekk lu wóorul ci jekkal yu melni navigation robot ci nit ñi wala masin yi. HardFlow dafay wax ci jafe-jafe jëfandikoo bu mag: tëral ay tënk te baña tënk seetug model bi ngir am pexe yu gëna baax. Sudee liñu xamle ci resultaa yi dafay yamale, anam wi mën na jàppale ekip yi ñu jëfandikoo ay model generatif yuñ tàggat bu njëkk ci aplikaasioŋ yiy laaj mëna dem ak gëna xéewale, lu melni moytu mbëkkante boole ci trajectoire robot yu gëna gàtt. Boroom bi amul benn firnde ci liggéey bi ci àdduna bi, validation bu moom boppam, wala disponibilite bu yaatu.
Jafe-jafe bi am mooy, saafara jafe-jafe yi ci wàllu kaaraange kese mën na jur njariñ yu baaxul wala yu baaxul, waaye gëna baaxal kalite bi te duñu ko tëral bu baax mën na jur ay jafe-jafe yuñ dul nangu. Misaalu MIT yi dañuy wane njaay mi ci waajal yoonu robot: yoon wu daanaka moytu ab gaañ-gaañu mën na jur mbëkkante, fekk njubluwaay bu tar mën na am yoon wu gëna gudd.
HardFlow dañu ko bindee ni plug-and-play te mën nañu ko jëfandikoo ci jamonoy dugal ak model generatif yuñ tàggat bu njëkk, lu mëna wàññi soxla tàggataat suñu dugalee benn constraint bu bees. Loolu wax la bu bawoo ci ki ko jëlee, du li kenn xamul lumuy tekki. Artikle bi leeralul li ñuy laaj ci jëfandikoo gi, lisence bi, aparey biñ jàppale, wala ndax mbootaay yi nekk ci biti kuréelu gëstukat yi mën nañu jëfandikoo njuréef yi leegi.
Mekanism buy weccoo xalaat: naka lay doxee
Saytu xarala yu bees yi ci ginaaw yokkute bii ci anam wu weccoo xalaat.
Which component of an AI application is the machine-learning model itself?
Li nga wara seetaan ci topp
Laaj yi gëna am solo ñooy ndax HardFlow ñépp mën nañu ko am, ban model ak xeetu tënk yi mu jàppale ci jëf, ak ni njëgu ordinatëram di soppikoo ak sistem yu gëna mag wala environmaa yu gëna xawa jafe. Yokkug liggéey mën na tax ñu yeesal xeetu suuf si ci wetu tëral sàrt yi. Dina ñu soxla test ak firnde yu moom seen bopp ngir xam ndax resultaa yi ñu joxe dañuy toxal ginaaw jàngat yi am ci balluwaay bi.
Gëstu bi dafa feeñ ci IEEE Transactions ci jàngat motif ak xarañteg masin, buñu sukkandikoo ci surnaal bi. Liggéey bi ci topp ñu ngi xaar mu xoolaat jekkal yi nga xamni mën nañu yeesal xeetu IA bi ci boppam, lu mëna yokk satisfaksioŋ constraint ak kalite génne ci diir bi.
Li am solo buñu xamul mooy performance ci robot physique yi ci bitti jàngat yiñ saytu, doxalin ci biir xibaar environnemental bu matwul wala buy soppiku, xeetu tënk yu dëgër yiñ mëna kode ci anam wu wóor, ak escaling ci reso neuronal yu gëna mag. Boroom këyit bi joxewul benn leeral ci njëg yi wala ci wàllu jënd ak jaay, te du joxe benn koppi wala sertifikaasioŋu kaaraange bu moom boppam.