🪙 Бонусные баллы и штраф за ошибку: как проходит обучение…

🪙 Бонусные баллы и штраф за ошибку: как проходит обучение робота-доставщика

Чтобы научить робота передвигаться по улицам, объезжать препятствия и пропускать пешеходов, мы используем симулятор — виртуальную среду, воссоздающую реальные городские условия.

📌 В таком цифровом пространстве робот может безопасно тренироваться, совершать ошибки и накапливать опыт перед тем, как оказаться в городских условиях.

В обучении мы используем механику вознаграждения. Роботу ставят конкретную цель, например, доехать до перекрёстка и пересечь дорогу на зелёный сигнал. За успешное выполнение задания робот получает виртуальные баллы.

📌 Система поощрений помогает алгоритмам закрепить правильные действия и понять, как нужно вести себя в каждой конкретной ситуации.

Помимо вознаграждений, есть штрафы. Робот получает их, если сталкивается с препятствием в симуляторе или выезжает за пределы разрешённой зоны. При этом штрафуется не поездка целиком, а конкретный манёвр или отрезок пути.

📌 Симулятор оценивает каждое действие робота, а алгоритм обучения по этим оценкам находит, какие решения привели к ошибке и постепенно корректирует поведение. 

Опираясь на эти оценки, робот постепенно учится принимать правильные решения и безопасно передвигаться по городу.