Вы ставите рядом два экземпляра одной модели и загружаете одну политику управления. Оба получают одинаковую задачу, но один начинает делать небольшие дополнительные шаги, а другой удерживает позу спокойнее. Причина не обязательно в коде: на поведение влияют трение в сочленениях, люфты, характеристики моторов и производственные допуски.
В авиации пилот может почувствовать особенности другого борта и адаптироваться. Робот пока не всегда умеет так подстраивать модель в ходе работы. В видео говорится об анализе чувствительности: команда пытается понять, какие параметры наиболее сильно меняют поведение, и внести эту вариативность в симулятор. Цель — получить политику, менее хрупкую к отличиям реального экземпляра от виртуального.
Для эксплуатации это меняет вопрос. Недостаточно, чтобы один прототип красиво прошёл маршрут. Нужно проверить, переносится ли навык на несколько машин и как меняется он после эксплуатации. Иначе каждая новая поставка будет отдельным исследовательским проектом.
- Посмотреть, как износ превращается в ошибку нулевого положения.
- Узнать, какие механические решения поменяли после ранних опытов.
- Вернуться к осторожному финалу и лабораторному плану.