Apprendimento Automatico del Curriculum a Livello di Traiettoria per la Locomozione su Gambe su Terreno Non Strutturato

Un nuovo preprint arXiv (2608.16164) introduce l'Apprendimento Automatico del Curriculum a Livello di Traiettoria (TACL), un framework per addestrare robot con gambe a navigare su terreni non strutturati. Il metodo affronta la sfida della progettazione del curriculum quando il terreno non ha un ordinamento esplicito di difficoltà. TACL genera compiti di addestramento direttamente dalle mappe del terreno, con un valutatore che apprende una funzione di difficoltà per la politica corrente e un campionatore che propone nuove traiettorie guidate dal valutatore. Questo sistema a ciclo chiuso adatta iterativamente il curriculum alle capacità della politica, con l'obiettivo di migliorare la generalizzazione rispetto ai curriculum euristici che possono sovra-adattarsi a schemi percettivi fissi. Il lavoro è rilevante per la robotica e l'IA, sebbene non sia direttamente correlato all'arte contemporanea.