به گزارش ایتنا و به نقل از تک‌اسپات، RHyME، که مخفف «بازیابی برای تقلید ترکیبی تحت اجرای ناسازگار» است، به ربات‌ها امکان می‌دهد تنها با مشاهده یک ویدئو، مهارت جدیدی را یاد بگیرند. این رویکرد تازه، نیاز به جمع‌آوری حجم عظیمی از داده‌های آموزشی و اجرای دقیق و بی‌نقص دستورات را رفع کرده است.
یکی از چالش‌های اصلی آموزش ربات‌ها این بود که کوچک‌ترین اختلاف میان اجرای انسانی و رباتیک می‌توانست یادگیری را مختل کند. اما RHyME با بهره‌گیری از یک بانک حافظه شامل تجربیات قبلی، این مشکل را حل کرده است. ربات با مشاهده یک وظیفه جدید، مانند قرار دادن یک ماگ در سینک، به جستجوی اقدامات مشابه در حافظه خود می‌پردازد و با کنار هم قرار دادن این قطعات آشنا، نحوه انجام کار جدید را درمی‌یابد، حتی اگر دقیقاً با این سناریو مواجه نشده باشد.
این روش انعطاف‌پذیری ربات‌ها را به شکل چشمگیری افزایش داده و کارایی یادگیری آنها را نیز بهبود بخشیده است. به جای هزاران ساعت داده‌های آموزشی، RHyME تنها به ۳۰ دقیقه دیتا اختصاصی نیاز دارد. در آزمایش‌های آزمایشگاهی، ربات‌های مجهز به این سیستم توانستند بیش از ۵۰ درصد موفق‌تر از روش‌های سنتی، وظایف خود را به پایان برسانند.
این پروژه توسط دانشجوی دکتری کوشال کدیا و استادیار سانجیبان چودری راهبری شده و در کنفرانس بین‌المللی IEEE در زمینه رباتیک و اتوماسیون در آتلانتا ارائه خواهد شد. همکاران دیگر این پروژه شامل پریثویش دان، آنجلا چائو و ماکسیموس پیس هستند. همچنین این تحقیقات با حمایت گوگل، اوپن‌ای‌آی، دفتر تحقیقات نیروی دریایی آمریکا و بنیاد ملی علوم آمریکا صورت گرفته است.
