Исследователи представили систему AutoDex, предназначенную для автоматизированного сбора данных при обучении роботов навыкам ловкого захвата объектов. Основная проблема существующих методов заключается в сложности получения качественных физических данных: телеуправление требует участия человека и ограничено по скорости, а симуляции часто не способны точно подтвердить корректность контакта с предметом в реальных условиях.
Система AutoDex решает эту задачу путем генерации кандидатов на захват с последующей автоматической проверкой их успешности в физическом мире. Такой подход позволяет масштабировать процесс сбора данных, исключая необходимость постоянного участия оператора и минимизируя ошибки, возникающие при переносе навыков из виртуальной среды в реальную. Это критически важный шаг для создания более надежных алгоритмов управления манипуляторами.
Разработка позволяет значительно ускорить обучение нейросетевых моделей для робототехники, обеспечивая их качественными наборами данных о физических взаимодействиях. Внедрение подобных автоматизированных систем снижает затраты на подготовку роботов к выполнению сложных задач, требующих точной координации движений и учета свойств объектов в динамической среде.