TAG проверяет, как взаимные помехи влияют на обучение роботов

Авторы препринта описали стенд, где маятник мешает шарику проходить лабиринт, а управляющая политика затем адаптируется.

TAG проверяет, как взаимные помехи влияют на обучение роботов. Тематическая карточка Comrad404.

В версии 1 препринта от 17 ноября 2026 года исследователи представили TAG — роботизированный стенд, на котором шарик в лабиринте и маятник физически мешают друг другу. Авторы сообщают: после включения маятника успешность решения лабиринта резко упала, но управляющая политика адаптировалась и вернулась к прежнему уровню за небольшое число эпизодов обучения. Описание эксперимента на arXiv.

Два связанных объекта на одной платформе

TAG объединяет наклоняемую доску с лабиринтом и установленный сверху ротационный перевёрнутый маятник. Чтобы двигать шарик, система меняет наклон доски; маятник, в свою очередь, передаёт ей реактивный момент и вибрации. Поэтому его движение влияет на шарик, а наклоны, необходимые для прохождения лабиринта, нарушают равновесие маятника.

Для лабиринта и маятника применили разные методы

Авторы обучали управляющие политики отдельно и использовали разные подходы: DreamerV3 для лабиринта и модельно-свободный алгоритм TQC для маятника. Политику маятника обучили в симуляции, а затем применили на физической платформе. Такой стенд позволяет исследовать, сохраняют ли отдельно обученные контроллеры работоспособность, когда их подсистемы начинают взаимодействовать механически.

После включения маятника управление лабиринтом адаптировалось

По сообщению авторов, появление маятника вызвало резкое первоначальное снижение успешности политики лабиринта. Затем она адаптировалась онлайн и восстановила прежний уровень за небольшое число эпизодов обучения. Авторы также сообщают, что обе независимо обученные политики успешно управляли доской лабиринта и маятником при работающей второй подсистеме; точное число эпизодов в этом описании не указано.

Это экспериментальный стенд, а не серийный продукт

TAG предназначен для изучения обучения и управления физически связанными динамическими системами. Результаты представлены авторами версии 1 препринта; независимого подтверждения экспериментов в доступных материалах нет. Работа описывает экспериментальную платформу, а не серийный робот или готовое прикладное решение.