# פחות חופש באימון, יותר אמינות בשטח: שיטה להעברת למידה לנחילי רובוטים

> שיטת SwarmACB מגבילה את הבחירות של נחילי רובוטים בזמן האימון, ובניסויים שיפרה את המעבר מהדמיה לרובוטים פיזיים.

- Canonical: https://www.hayadan.org.il/swarmacb-robot-swarms-sim-to-real
- Author: אבי בליזובסקי
- Published: 2026-11-05T08:19:00+02:00
- Modified: 2026-10-23T19:57:02+03:00
- Sections: בינה מלאכותית, רובוטיקה - כללי
- Topics: Science Robotics, למידת חיזוק, נחילי רובוטים, רובוטיקה

## Article

הערת מערכת — אמברגו: אין לפרסם לפני 21.10.2026 בשעה 21:00 בישראל (18:00 UTC). רובוט e-puck מהסוג ששימש במחקר. צילום: Mauro Birattari שיטה חדשה של למידת חיזוק לנחילי רובוטים מגבילה את חופש הבחירה שלהם בזמן האימון. במקום ללמוד כל פקודת מנוע, הרובוטים בוחרים בין התנהגויות מוכנות מראש. בניסויי מעבדה, ההגבלה שיפרה את העברת הבקרה מהדמיה לעולם הפיזי. למידת חיזוק מאפשרת לאמן נחילי רובוטים בסביבה מדומה, שבה אפשר לערוך ניסויים רבים במהירות. אלא שמדיניות בקרה שמצליחה בהדמיה עלולה להיכשל כשמעבירים אותה לרובוטים אמיתיים. מחקר שעתיד להתפרסם ב־Science Robotics מציג דרך להתמודד עם הפער באמצעות הגבלת המבנה של מה שהמערכת רשאית ללמוד. ## ללמוד לבחור התנהגות השיטה מכונה SwarmACB, קיצור של Attention-based Counterfactual policy gradients for Behavior selection in robot swarms. לפי תקציר AAAS, אילייס גרבי ועמיתיו שילבו אילוצים מבניים בתהליך הלמידה ובחנו את השפעתם בנחילים של רובוטי e-puck. במקום להפיק ישירות פקודות מנוע ברמה נמוכה, הבקר לומד לבחור בין מודולים התנהגותיים שנקבעו מראש. דוגמאות שנמסרו הן תנועה לעבר אור והתקבצות. כך נשמרת יכולת ללמוד מתי לבחור בכל התנהגות, בעוד אופן ביצועה הבסיסי מוגדר מראש. זוהי פשרה בין גמישות לבין יציבות. מערך אפשרויות מוגבל עשוי למנוע מהלומד לנצל פרטים ייחודיים של ההדמיה שאינם עוברים היטב לסביבה פיזית. לפי החוקרים, השיטה מפחיתה את השונות במדיניות הנלמדת ומצמצמת למידה של מאפיינים תלויי הדמיה. ## האילוצים שיפרו את ההעברה בניסויים שתוארו בתקציר, SwarmACB הצליחה יותר משיטות השוואה המבוססות על פעולות רציפות בגישור בין ההדמיה לנחילים הפיזיים. החוקרים בדקו כמה גרסאות עם מדיניות מוגבלת במידה הולכת וגדלה; הגרסה המוגבלת ביותר הראתה את ההעברה הטובה ביותר במסגרת הניסויים שנערכו. התוצאה אינה מוכיחה שתמיד עדיף להגביל ככל האפשר כל מערכת לומדת. היא מראה שבמשימות ובמערכות שנבדקו, הידע שנבנה מראש במבנה הבקר תרם לאמינות המעבר למציאות. בחירת מודולים שאינם מתאימים למשימה עלולה להגביל את מה שניתן להשיג מלכתחילה. ## מהדגמה לגישה הנדסית האתגר רחב יותר מרובוט אחד: נחיל צריך לתאם התנהגות קבוצתית מתוך פעולות מקומיות. שיטה שמקטינה תלות בפרטי ההדמיה יכולה להקל על פיתוח מערכות כאלה, אך נדרשת עדיין בדיקה במגוון משימות, תנאי סביבה ופלטפורמות. תקציר העיתונות אינו מספק את כל הגדלים הכמותיים של השיפור, מספרי החזרות או פרטי כל משימות הבדיקה. לכן אין מקום לייחס לשיטה שיעור הצלחה מספרי או מוכנות לפריסה תעשייתית שלא תועדו בחומר שנמסר. ## שאלות ותשובות מהו פער ההדמיה־מציאות? מצב שבו בקר שלמד בהדמיה מתפקד פחות טוב על חומרה פיזית. מה המערכת לומדת בשיטה החדשה? לבחור בין מודולי התנהגות מוכנים מראש, במקום ללמוד את כל פקודות המנוע ישירות. האם השיטה נבחנה רק במחשב? לא. לפי תקציר AAAS נערכו גם ניסויים בנחילי e-puck פיזיים. מקור: AAAS, חבילת העיתונות ל־Science Robotics, גיליון 21.10.2026. [Structural bias enables reliable sim-to-real transfer in reinforcement learning for robot swarms](https://doi.org/10.1126/scirobotics.adw4624). הכתבה מבוססת על התקציר שנמסר לעיתונאים. ## עוד בנושא באתר הידען [אקראיות מבוקרת וניווט נחילים](https://www.hayadan.org.il/controlled-randomness-improves-robot-swarms-navigation) [הכוונת נחילי רובוטים בהשראת כלבי רועים](https://www.hayadan.org.il/sheepdogs-better-way-guide-robot-swarms) [רובוט ארבע־רגלי למד להחליף סגנון תנועה כדי לחצות יער ולקפוץ מעל מכשולים](https://www.hayadan.org.il/quadruped-robot-apt-rl-motor-skills) [איך נחיל ארבה מחליט לאן לפנות ולהתקדם?](https://www.hayadan.org.il/locust-coordinated-movement)