Специалисты Центра искусственного интеллекта МГУ разработали алгоритм, повышающий точность работы нейросетей, которые используются в системах управления роботов и беспилотников.
Особенность таких систем — данные в них часто поступают с задержкой из-за сбоев в передаче или особенностей датчиков, и если нейросеть не учитывает это, её прогноз может расходиться с реальностью.
Учёные предложили использовать динамическую нейронную сеть, которая в отличие от традиционных моделей не обучается один раз, а продолжает уточнять свои параметры прямо во время работы системы. По мере поступления новых данных она корректирует внутренние настройки и улучшает прогноз. При этом новый подход позволяет учитывать задержку без увеличения вычислительной нагрузки. Метод проверили на нескольких задачах, включая моделирование полёта летательного аппарата, геодезическое движение и биомеханическую модель поворота головы. В экспериментах подход показал более точное воспроизведение динамики систем, где управляющий сигнал поступает с задержкой, сообщает ТАСС.
