В отличие от существующих решений, MaxDiff RL делает ставку на случайное обучение. Робот, действуя в различных ситуациях, собирает разнообразные данные об окружающей среде. Благодаря этому роботы быстрее учатся выполнять поставленные задачи и становятся более надежными.
В ходе испытаний роботы с новым алгоритмом значительно превзошли другие модели. Они учились выполнять новые задачи всего за одну попытку, тогда как существующие ИИ требуют проб и ошибок. Разработчики считают, что MaxDiff RL позволит роботам выполнять более сложные и интересные задачи, а также сделает их более безопасными для людей.
Данный алгоритм может быть использован в самоуправляемых автомобилях, роботах-пылесосах, промышленных роботах и многих других областях.
