感。
“在动态环境下，它的分拣准确率是百分之九十七点三，平均抓取周期为零点八秒。这个水平，已经超过了我们产线上最熟练的工人。”苏酥雪说。
“超过工人是意料之中的事。”陆迪峰说，“我关心的是另一件事——它在面对从未遇到过的情况时，是怎么处理的？”
苏酥雪切换到了第三段回放画面。这次的场景是一个模拟的故障排除任务——一条虚拟产线的某个关键工位突然卡死，棋手模型需要诊断故障原因并采取修复措施。这个任务在训练中没有出现过类似的先例，属于完全的未知情境。
画面中，棋手模型在产线卡死后停顿了大约两秒钟——这是它在分析和评估情况的时间。然后它做出了一系列动作：首先，它控制虚拟探头检查了卡死工位的传感器读数；然后，它调用了书库中关于该型号设备的结构图纸，进行了快速的比对分析；最后，它推断出卡死的可能原因是传动皮带脱落，并控制虚拟工具将皮带复位。整个诊断和修复过程耗时约四十五秒，相当于一个经验丰富的维修工人的平均用时。
“它从来没有见过这个故障模式。”苏酥雪说，“但它通过组合已有的知识——传感器数据分析、结构图纸理解、工具操作技能——成功地解决了这个从未遇到过的问题。这就是我们想要的‘泛化能力’。”
“不好的方面呢？”陆迪峰问。
苏酥雪关掉了回放画面，调出了一份数据报表。报表上用红色标注了几条曲线，曲线的走势在某个时间点之后出现了明显的偏离。
“棋手模型在训练后期，出现了一些我们称之为‘策略固化’的现象。”苏酥雪的语调比刚才低沉了一些，“在面对某些特定类型的任务时，它会倾向于使用它最熟悉、最擅长的策略，即使存在更优的策略可选。”
她点开了一个具体的案例。在传送带分拣任务中，棋手模型几乎总是优先抓取距离最近的物体，而不是按照物体的优先级顺序来安排抓取顺序。这种“就近优先”策略在大多数情况下是高效的，但在某些特殊情况下——例如当远处有一个高优先级物体即将通过传送带末端、而近处有几个低优先级物体时——这种策略会导致高优先级物体被漏捡。
“我们测试了多种不同的物体排列组合，发现在大约百分之七的情况下，‘就近优先’策略不是最优选择。但棋手模型很少主动选择其他策略，即使在训练中我们多次向它展示了更优策略的存在。”
“这是为什么？”
本章未完，请点击下一页继续阅读！