 |
| Photo © University of Cambridge |
Des chercheurs de l'University of Cambridge ont publié un article révélant comment ils enseignent à un robot non seulement à faire une omelette aux œufs au goût de l'utilisateur, mais aussi à apprendre comment ajuster la cuisson en conséquence. Les chercheurs ont utilisé une solution à ce problème appelée optimisation bayésienne par lots. L'optimisation bayésienne séquentielle plus traditionnelle prendrait un score humain pour chaque omelette et l'utiliserait pour modifier le processus de cuisson de la prochaine omelette. En exécutant le processus d'optimisation uniquement après que tous les scores ont été collectés, le robot est en mesure d'explorer de nombreuses autres combinaisons de variables, ce qui donne un résultat final sensiblement meilleur. Le robot est capable d'ajuster un certain nombre de variables différentes telles que la quantité de sel / poivre, le temps de mélange et le temps de cuisson.
Aucun commentaire:
Publier un commentaire