Для обучения роботов недостаточно просто увеличивать объем данных Чем больше данных из физического мира нужно роботам, тем дороже их собирать и сложнее хранить и передавать. В эти ограничения упирается привычная ставка на увеличение обучающих выборок — об этом говорили на образовательной конференции Яндекса. Один из подходов — world models, или модели мира. Они предсказывают, как меняется среда под действием робота, и позволяют генерировать новые примеры для обучения. Так можно отрабатывать разные ситуации без необходимости каждый раз воспроизводить их на настоящем оборудовании. Но одной генерации тоже недостаточно. На конференции обсуждали и другие задачи: разработку новых методов обучения и архитектур, хранение информации, сбор редких сложных случаев и проверку данных. От этого зависит, насколько полезным окажется собранный и сгенерированный опыт — и сможет ли робот применять его в реальных условиях.