Action Chunking Transformer

Action Chunking Transformer достиг точности 90% при выполнении задачи манипулятора после расширения обучающей выборки

Разработчик Шерри Чен продемонстрировала, что Action Chunking Transformer способен успешно выполнять сложные манипуляции, если обеспечить стабильность аппаратного обеспечения и качество данных. Успех модели не стал следствием улучшения её архитектуры, а был достигнут за счет устранения системных сбоев и увеличения количества эпизодов обучения с вариациями поворотов объектов. При использовании 50 эпизодов точность на новых позициях составляла лишь 10%, однако после доведения датасета до 72 эпизодов с добавлением углов поворота от -45 до 45 градусов показатели значительно выросли.

Исследование: Action Chunking Transformer показал рост точности выполнения задачи на неизвестных позициях с 10% до 75% после увеличения обучающей выборки с 50 до 72 эпизодов и добавления вариативности поворотов блока.

Фактор: Стабильность работы Action Chunking Transformer оказалась напрямую зависимой от устранения аппаратных сбоев, включая проблемы с USB-адресацией камер и потерю файлов калибровки манипулятора.

Эффект: При использовании расширенного датасета Action Chunking Transformer достиг 90% успешных выполнений на известных позициях и среднего балла прогресса 0.92.

Риск: Action Chunking Transformer не может компенсировать низкое качество данных, что подтверждается падением точности до 10% при обучении на малом количестве эпизодов без учета вариативности условий.

Подробнее →