Специалисты по искусственному интеллекту (AI) из Института AI П. Аллена и Университета Вашингтона обучили дрона-агента с коробкой поверх корпуса ловить 20 объектов в моделируемой среде. Для испытаний пусковая установка бросала каждый объект на два метра в сторону дрона-агента. Моделирование для создания фотореалистичной среды проводилось на базе платформы AI2-THOR.

В виртуальной обстановке вес, размер и структура определяли способ их броска, скорость и отскок объектов от стены. Модель обучили на основе датасета из 20 тыс. бросков, причем пусковая установка размещалась случайным образом для броска каждого из 20 объектов.

В ходе испытаний дрон показал самый низкий коэффициент успешной поимки туалетной бумаги (0%) и самый высокий – тостеров (64,4%). Также в сторону дрона летели будильники, кочаны салата, книги и баскетбольные мячи. В целом, уровень успешности системы в поимке объектов превосходит два существующих варианта предиктивных моделей для 3D-пространств, а также часто цитируемую структуру обучения, предложенную в 2016 году специалистами Google AI.

«Мы предлагаем прогнозную сеть, которая выявляет потенциальную траекторию брошенного объекта на основе визуального наблюдения. Мы интегрируем сеть с модельным планировщиком, чтобы оценить наилучшую последовательность действий дронов при поимке объекта», отмечалось в документах исследователей.