Pekiştirmeli öğrenmeyle eğitilen 4B model uçan Roadster simülasyonunu yönetti
Öne çıkanlar
- Qwen3-4B modeli, SkyRL kütüphanesi kullanılarak yaklaşık 13 dolarlık bütçeyle 4 GPU saatinde eğitildi.
- Büyük modeller 1 ila 6 saniyelik gecikmeleri nedeniyle 0,2 saniyelik gerçek zamanlı kontrol döngüsünde tamamen başarısız oldu.
- Eğitilen 4B model, fırtına koşullarındaki akrobasi inişlerinde sınırsız süre tanınan GPT-6 Astra modelini yüzde 21 geçti.
SkyPilot araştırmacıları, Tesla Roadster için hazırlanan fizik tabanlı bir uçuş simülatöründe büyük dil modellerini test etti. Araç manevralarının gerçek zamanlı kararlar gerektirdiği ortamda, DeepSeek V4.1 Flash, Meta Muse Spark Open ve GPT-6 Astra gibi gelişmiş modeller gecikme süreleri nedeniyle başarısız oldu. Yaklaşık 13 dolarlık maliyetle pekiştirmeli öğrenme (RL) üzerinden eğitilen 4 milyar parametreli Qwen3-4B modeli ise fırtına koşullarındaki akrobasi görevlerinde rakiplerini geride bıraktı.
Simülasyon ortamı, aracın dört soğuk gaz iticisiyle yönlendirildiği rampa atlayışı ve Cybertruck üzerinden takla atma hareketlerini içeriyor. Kontrol döngüsünün her 0,2 saniyede yeni bir komut gerektirmesi, karar süresi 1 ila 6 saniye arasında değişen büyük modellerin gerçek zamanlı uçuşlarda yüzde 0 başarı göstermesine yol açtı. Araştırmacılar, taklit öğrenimi ve GRPO algoritmasını birleştiren iki aşamalı bir eğitim yöntemi uygulayarak 4B modelin yanıt süresini 0,09 saniyeye indirdi.
Geliştirilen model, düşünme süresi sınırsız bırakılan GPT-6 Astra modeline kıyasla fırtına koşullarındaki takla manevralarında yüzde 21 daha yüksek iniş başarısı elde etti. Gerçek zamanlı testlerde fırtına senaryolarını yüzde 90 oranında başarıyla tamamlayan modelin tüm eğitim kodları ve simülasyon ortamı açık kaynak olarak yayımlandı.
Bu özet yapay zekâ ile hazırlanmıştır; ayrıntılar ve doğrulama için orijinal kaynağa başvurun.