Отмостка из бетона: особенности устройства, технология
Бетонная отмостка, как правило, заливается по всему периметру здания и представляет собой как бы каменный пояс вокруг дома.
Фото отмостки
Служит эта конструкция для таких целей:
- Защищает ленту фундамента от воздействия влаги. Тут получается, что за счет наличия такой бетонной защиты талые воды и просто дождевая вода не впитываются прямо под стены, а отходят от дома примерно на полметра. Соответственно фундамент не так разрушается и служит дольше.
Гидроизоляционный слой в отмостке
- Укрепляет общую конструкцию дома. Это возможно потому, что бетонный пояс как бы не позволяет стенам «расходится», а фундаменту сдвигаться в сторону.
Обратите внимание на то, что отмостка – это не «панацея» от всех бед.
То есть если почва очень уж зыбкая и подвижная, а дом построен неправильно, то уберечь стены от деформации с помощью такой защиты из бетона — не удастся.
- Технология устройства каменного пояса вокруг дома своими руками позволяет немного улучшить внешний вид дома. Ведь если такая «окантовка» сделана аккуратно, то это визуально подчеркнет ровные линии стен. Плюс свое привнесет и контраст камня с газоном, например.
Пример пояса из плитки
Итак, получается, что отмостку делать – очень желательно. А если вы хотите получить в итоге прочный дом с надежным фундаментом – то обязательно. Тут не стоит пренебрегать этим элементом здания, потому что смета на работы понадобится небольшая, а вот пользы такая конструкция принесет много.
Рассмотрим ключевые требования к монтажу подобного бетонного пояса.
Основные правила устройства отмостки
Прежде всего стоит отметить, что конструкция отмостки из бетона подразумевает ширину не меньшую, чем ширина карнизов крыши. А лучше всего, когда относительно линии карнизов бетон выступает еще хотя бы сантиметров на 20 в сторону.
Схема расположения отмостки относительно линии карнизов
Важно!
Если вокруг вашего дома подвижные и просадочные грунты, то при любом раскладе бетон следует заливать на ширину не менее метра.
В противном случае уровень защиты фундамента от влаги будет весьма сомнителен.
Следующий момент, о котором нужно помнить – это то, что технология устройства отмостки из бетона подразумевает наличие уклона от плоскости стен к земле. Иначе вода просто не будет стекать с поверхности пояса. В принципе, исходя из ширины в один метр, перепад высот должен составлять от трех до пяти сантиметров.
Что же касается того, какой должна быть толщина отмостки из бетона, то оптимальной является цифра в сантиметров 10-15 (это толщина именно слоя из раствора). Этого достаточно для прочности пояса и количество материалов разумное.
Уклон отмостки
Совет: если вы будете производить устройство отмостки из асфальтобетона, то позаботьтесь об отсутствии в районе пояса различных корней.
Дело в том, что если в грунте будет присутствовать подобная органика, то она постепенно разрушит слой асфальта, потому что он, конечно, не такой прочный, как бетон.
Правила и нюансы мы рассмотрели – теперь краткая инструкция по монтажу этой конструкции.
Правильная последовательность работ
Стоит отметить, что «разбирать» мы будем самый простой и универсальный вариант заливки. Сегодня, конечно, существует немало способов устройства отмосток, но смысла переплачивать и «заморачиваться» особо нет, поверьте – ведь результат, эффект будет примерно одинаковым.
Начнем с разметки и черновых работ.
Подготовительный этап
Разметка и первый этап работы выполняются следующим образом:
- По углам дома вбиваем колышки. Отступ от линии стен, как мы помним, должен быть ориентирован на линию карнизов.
- Между колышками протягиваем нитки – это будут маячки внешнего края будущей отмостки.
- Берем лопату и углубляемся в грунт на расстояние сантиметров в 20. Пройти нужно весь периметр дома, естественно.
- По внешнему краю углублений устанавливаем «на ребро» доски такой ширины, чтобы дерево немного выступало над уровнем земли. Это будет отмостка для заливки бетона.
- Засыпаем на дно траншеи щебень для бетона равномерным слоем и утрамбовываем его.
Пройти нужно весь периметр дома, естественно.Утрамбовка щебня
На этом подготовка закончена, можно приступать к другому этапу.
Укладка гидроизоляционного слоя
Гидроизоляция конструкции это очень важная работа, от качества выполнения которой в конечном итоге зависит надежность всей конструкции в целом.
Именно поэтому тут нужно внимательно и ответственно отнестись не только к процессу работы, но и к выбору материала.
Суть гидроизоляции заключается в том, что сверху утрамбованного щебня укладываются полосы рубероида.
Влагозащитный слой
Тут важно чтобы рубероид был хорошего качества – на пленочной основе. Цена таких рулонов, конечно, дороже материала с бумажной прослойкой, но зато и прочность совсем другая.
Дорогой рубероид вряд ли порвется во время заливки смеси.
Итак, нужно сделать очень простую вещь – раскатать по всему периметру траншеи рубероид с небольшим нахлестом на плоскость стены.
После этого необходимо смонтировать каркас из арматуры и собственно залить бетон.
Монтаж каркаса и заливка бетона
Так выглядит конструкция перед заливкой смеси
Нарезаем прутья из арматуры длиной немного большей, чем ширина траншеи. Концы прутьев нужно вставлять в стену, в заранее просверленные отверстия. Если дом кирпичный, то отверстия легко делаются перфоратором. А вот если это очень прочные каменные блоки, то вполне вероятно, что понадобится такая услуга, как алмазное бурение отверстий в бетоне.
Расстояние между отверстиями должно быть примерно метр или полтора.
Получается, что тут порядок работы такой:
- Вставляем арматуру в отверстия.
- Укладываем сверху длинные прутья, которые будут идти параллельно линии стен.
- Связываем металл стальной проволокой.
- Готовим бетонную смесь на основе щебня и заливаем отмостку (не забываем про уклон).
Заливка отмостки
- Когда все высохнет, снимаем опалубку и конструкция готова к эксплуатации.
В принципе на этом работа закончена. Если вы все сделали без экономии и из качественных материалов, то отмостка прослужит очень долго и без всяких трещин. Кстати, если в дальнейшем вам понадобится проделать в ней какие-либо ниши (например, для укладки сточных труб), то тут будет актуальна резка железобетона алмазными кругами – все получится сделать ровно и аккуратно.
Вывод
Мы с вами достаточно подробно разобрались в том, как выполняется устройство отмостки из бетона и в том, зачем она вообще нужна. Как видите, все тут вполне понятно и ничего сверхсложного в этом деле нет. Надеемся, что вся предоставлена выше информация вам пригодится на практике.
Ну а если хочется узнать еще больше сведений по этой теме, то советуем просмотреть еще и видео в этой статье.
А если вас интересует подробное устройство отмостки из бетона — смета прилагается в других материалах на нашем информационном портале.
Добавить в избранное
Версия для печати
Поделитесь:
Статьи по теме
Все материалы по теме
Бетонная отмостка: назначение и технология устройства
Бетонная отмостка: назначение и технология устройства | Студия дизайна интерьера и архитектуры BORISSTUDIO Киев
Залишіть заявку і отримайте
безкоштовну консультацію
Имя
Телефон
Максимальный
Введите Ваши контакты, чтобы мы
с Вами связались
Ответь на вопросы и получи детальную смету
Вам необходим дизайн
ДомаКвартирыОфисаМагазинаРесторанаДругое
Какая у вас общая площадь помещений?
2/6
263
25500
В каком стиле вы хотите интерьер?
LuxuryМинимализмАрт-декоСкандинавский IKEAЕще не определились
Какой бюджет в $ Вы планируете потратить на реализацию проекта ?
4/6
55000
10000100000
Когда вы хотите начать ремонтные работы?
Чем раньше, тем лучшеСразу по готовности дизайн-проектаВ течение годаЧерез год или более
Насколько вы готовы участвовать в процессе ремонтных работ?
У меня есть время контролировать весь процессЯ готов(а) участвовать в процессе, но нужна помощь дизайнераЯ хочу “под ключ”
Оставьте телефон и мы предоставим расчёт полной стоимости проекта
Спасибо! Данные успешно отправлены.
В ближайшее время с Вами свяжется наш менеджер.
Дякуємо! Дані успішно відправлені.
Найближчим часом з Вами зв’яжеться наш менеджер.
Відповідай на питання і отримай детальний кошторис
Вам необхідний дизайн
БудинкуКвартириОфісуМагазинаРесторануІнше
Яка у вас загальна площа приміщень?
263
25500
В якому стилі ви хочете інтер’єр?
LuxuryМінімалізмАрт-декоСкандинавський IKEAЩе не визначилися
Який бюджет в $ Ви плануєте витратити на реалізацію проекту?
55000
10000100000
Коли ви хочете почати ремонтні роботи?
Чим раніше, тим кращеВідразу по готовності дизайн-проектуПротягом рокуЧерез рік або більше
Наскільки ви готові брати участь в процесі ремонтних робіт?
У мене є час контролювати весь процесЯ готовий (а) брати участь в процесі, але потрібна допомога дизайнераЯ хочу «під ключ»
Залиште телефон і ми надамо розрахунок повної вартості проекту
Визуальный
Введите Ваши контакты, чтобы мы
с Вами связались
Технический
Введите Ваши контакты, чтобы мы
с Вами связались
Расширенный
Введите Ваши контакты, чтобы мы
с Вами связались
Всё включено
Введите Ваши контакты, чтобы мы
с Вами связались
Візуальний
Введіть Ваші контакти, щоб ми
з Вами зв’язалися
Оставьте заявку, и получите
бесплатную консультацию
Имя
Телефон
Технічний
Введіть Ваші контакти, щоб ми
з Вами зв’язалися
Розширений
Введіть Ваші контакти, щоб ми
з Вами зв’язалися
Все включено
Введіть Ваші контакти, щоб ми
з Вами зв’язалися
Максимальний
Введіть Ваші контакти, щоб ми
з Вами зв’язалися
ЗАКАЗАТЬ
БЕСПЛАТНУЮ КОНСУЛЬТАЦИЮ
_______________________________
МЫ ПЕРЕЗВОНИМ ВАМ В БЛИЖАЙШЕЕ ВРЕМЯ
ВАШЕ ИМЯ
ВАШ ТЕЛЕФОН
БЕСПЛАТНАЯ КОНСУЛЬТАЦИЯ
ВАШЕ ИМЯ
ВАШ ТЕЛЕФОН
ЗАМОВИТИ
БЕЗКОШТОВНУ КОНСУЛЬТАЦІЮ
_______________________________
МИ ПЕРЕДЗВОНИМО ВАМ НАЙБЛИЖЧИМ ЧАСОМ
ВАШЕ ІМ’Я
ВАШ ТЕЛЕФОН
БЕЗКОШТОВНА КОНСУЛЬТАЦІЯ
ВАШЕ ІМ’Я
ВАШ ТЕЛЕФОН
ОСТАВЬТЕ ЗАЯВКУ
ЧТОБЫ МЫ МОГЛИ ОБСУДИТЬ С ВАМИ ДЕТАЛИ ПРОЕКТА
___________________________
МЫ ПЕРЕЗВОНИМ ВАМ В БЛИЖАЙШЕЕ ВРЕМЯ
ВАШЕ ИМЯ
ВАШ ТЕЛЕФОН
ОСТАВИТЬ ЗАЯВКУ
ВАШЕ ИМЯ
ВАШ ТЕЛЕФОН
ЗАЛИШТЕ ЗАЯВКУ
ЩОБ МИ МОГЛИ ОБГОВОРИТИ З ВАМИ ДЕТАЛІ ПРОЕКТУ
___________________________
МИ ПЕРЕДЗВОНИМО ВАМ НАЙБЛИЖЧИМ ЧАСОМ
ВАШЕ ІМ’Я
ВАШ ТЕЛЕФОН
ЗАЛИШИТИ ЗАЯВКУ
ВАШЕ ІМ’Я
ВАШ ТЕЛЕФОН
Ответь на вопросы и получи детальную смету
Вам необходим дизайн
ДомаКвартирыОфисаМагазинаРесторанаДругое
Какая у вас общая площадь помещений?
2/6
263
25500
В каком стиле вы хотите интерьер?
LuxuryМинимализмАрт-декоСкандинавский IKEAЕще не определились
Какой бюджет в $ Вы планируете потратить на реализацию проекта ?
4/6
2900
8005000
Когда вы хотите начать ремонтные работы?
Чем раньше, тем лучшеСразу по готовности дизайн-проектаВ течение годаЧерез год или более
Насколько вы готовы участвовать в процессе ремонтных работ?
У меня есть время контролировать весь процессЯ готов(а) участвовать в процессе, но нужна помощь дизайнераЯ хочу “под ключ”
Оставьте телефон и мы предоставим расчёт полной стоимости проекта
Повышение эффективности строительных материалов за счет выявления «слепых зон»
Омар Або Мадьян, научный сотрудник Кембриджского центра интеллектуальной инфраструктуры и строительства Кембриджского университета, исследует, как устранить «слепые» зоны углерода и пробелы в данных, которые сдерживают эффективность строительных материалов
Строительная отрасль является одним из крупнейших источников выбросов парниковых газов и играет активную роль в борьбе с глобальным потеплением путем сокращения своего углеродного следа.
Значительный прогресс был достигнут в сокращении выбросов углерода за счет использования возобновляемых источников энергии и более эффективных зданий. Тем не менее, воплощенный углерод, в основном бетон, остается серьезной проблемой для строительной отрасли и ее цепочки создания стоимости.
Углеродные модели стали жизненно важным инструментом в любом строительном проекте для определения областей, которые можно улучшить с экологической точки зрения. Например, горячие точки воплощенного углерода в цементных материалах можно использовать для определения действий по смягчению последствий, таких как замена цемента, или для более эффективной оптимизации проектных параметров.
Насколько точны углеродные модели после этапа проектирования?
Точность углеродных моделей значительно повысилась благодаря внедрению 3D-моделей проектирования в информационном моделировании зданий (BIM), которые точно представляют количества и объемы материалов. Однако остается вопрос о точности углеродных моделей за пределами этапа проектирования и степени, в которой они отражаются на этапе строительства, а также о том, как любые расхождения между этапами проектирования и строительства приводят к упущенным возможностям для улучшения.
Сбор точных данных затруднен из-за фрагментации процесса строительства, когда данные могут быть разрознены в разных организациях, разделены на разных платформах или даже не собираются и не отслеживаются.
Это может привести к значительным пробелам в данных, особенно потому, что качество выходных данных углеродных моделей определяется качеством входных данных.
Это серьезная проблема, с которой сталкивается отрасль, обычно преодолеваемая путем оценки или принятия определенных значений, которые часто могут вносить большие неопределенности и сдвиги нагрузки в моделях выбросов углерода, что приводит к неточным выводам о воздействии углерода и отвлекает усилия по сокращению выбросов углерода.
Что наиболее важно, это также может привести к упущенным возможностям или слепым зонам для повышения эффективности строительных материалов из-за упущения полного воздействия материала или строительного процесса на окружающую среду.
Текущие исследования Кембриджского центра интеллектуальной инфраструктуры и строительства (CSIC) выявили критические пробелы в количественной оценке отходов в процессе строительства.
В настоящее время в отрасли предполагается коэффициент отходов материалов в диапазоне 2,5-5%, что основано на устаревших исследованиях или небольших наборах данных из-за отсутствия точных реальных данных.
Кроме того, было обнаружено, что эти значения не учитывают неэффективность того, как и где используются материалы, в основном из-за неоднозначного и узкого определения того, что представляет собой отходы в отрасли.
Как нам изменить определение отходов, чтобы сократить выбросы углерода?
Отходы в строительной отрасли обычно определяются как материальные материалы от строительных работ и работ по сносу, которые попадают на свалки, но в контексте принципов бережливого производства отходы также могут включать перепроизводство, ненужную транспортировку, избыточные запасы, ненужное движение, ожидание, чрезмерную обработку и дефекты.
Исследователи CSIC применяют это более широкое определение отходов к строительной отрасли для разработки аналитической основы для выявления и устранения неэффективности использования и закупки строительных материалов.
Анализ может быть проведен путем сбора данных о характеристиках и объемах материала бетона на стадии проектирования и сравнения их с характеристиками и объемами материала конечного актива или конструкции. Таким образом можно определить степень эффективности использования бетона и выявить любые несоответствия или пробелы в данных об использовании бетона.
Благодаря интервью с отраслевыми экспертами и процессам сбора цифровых данных на строительных площадках были выявлены недостатки бетона, в том числе недостатки в чрезмерном заказе, доработке, отклонении бетона, превышении спецификаций и точности дозирования.
Результаты этих исследований показали значительные несоответствия количества используемого бетона и прочности поставленного бетона, при этом эффективность бетона варьировалась от 61% до 97% для отдельных компонентов бетона.
Следовательно, любая углеродная модель, основанная на проектных данных, будет значительно занижена, поскольку они в основном основаны на средних углеродных факторах.
Устранение таких углеродных слепых зон и пробелов в данных может значительно повысить эффективность строительных материалов путем простой переоценки того, как используется и закупается бетон. Это приведет к более обоснованному выбору углерода, улучшению передовых методов и снижению затрат, связанных с ненужным использованием материалов.
Успех этого подхода, тем не менее, зависит от получения точных наборов данных по всей цепочке создания стоимости, что может быть затруднительно из-за устаревших или неполных процессов регистрации данных. Поэтому строительная отрасль должна переосмыслить то, как оцениваются отходы, используя актуальные и точные данные, чтобы выявить значительные возможности для повышения эффективности строительных материалов для сокращения выбросов углерода, которые могут помочь отрасли достичь нулевого уровня выбросов.
Омар Або Мадьян
Научный сотрудник
Кембриджский центр интеллектуальной инфраструктуры и строительства
csic-admin@eng.
cam.ac.uk
www-smartinfrastructure eng.cam.ac.uk
YouTube
Выявление «слепых зон» искусственного интеллекта | MIT News
Новая модель, разработанная исследователями Массачусетского технологического института и Microsoft, определяет случаи, когда автономные системы «обучались» на обучающих примерах, которые не соответствуют тому, что на самом деле происходит в реальном мире. Инженеры могут использовать эту модель для повышения безопасности систем искусственного интеллекта, таких как беспилотные автомобили и автономные роботы.
Системы искусственного интеллекта, приводящие в действие беспилотные автомобили, например, тщательно обучены виртуальным симуляциям, чтобы подготовить автомобиль практически к любому событию на дороге. Но иногда машина совершает неожиданную ошибку в реальном мире, потому что происходит событие, которое должно, но не меняет поведение машины.
Рассмотрим беспилотный автомобиль, который не был обучен и, что более важно, не имеет необходимых датчиков, чтобы различать совершенно разные сценарии, такие как большие белые автомобили и машины скорой помощи с красными мигающими огнями на дороге.
Если машина мчится по шоссе, а скорая помощь включает сирены, машина может не знать, что нужно снизить скорость и остановиться, потому что она не воспринимает скорую помощь как нечто отличное от большой белой машины.
В паре статей, представленных на прошлогодней конференции «Автономные агенты и мультиагентные системы» и на предстоящей конференции Ассоциации по развитию искусственного интеллекта, исследователи описывают модель, которая использует человеческий фактор для выявления «слепых зон» обучения.
Как и в случае с традиционными подходами, исследователи подвергли систему искусственного интеллекта симуляционному обучению. Но затем человек внимательно следит за действиями системы, когда она действует в реальном мире, обеспечивая обратную связь, когда система совершает или собиралась совершить какие-либо ошибки. Затем исследователи объединяют данные обучения с данными обратной связи от человека и используют методы машинного обучения для создания модели, которая точно определяет ситуации, когда системе, скорее всего, требуется больше информации о том, как действовать правильно.
Исследователи проверили свой метод с помощью видеоигр, в которых симулированный человек корректировал изученный путь персонажа на экране. Но следующим шагом является объединение модели с традиционными подходами к обучению и тестированию автономных автомобилей и роботов с обратной связью от человека.
«Модель помогает автономным системам лучше узнать то, чего они не знают», — говорит первый автор Рамья Рамакришнан, аспирант Лаборатории компьютерных наук и искусственного интеллекта. «Много раз, когда эти системы развертываются, их обученные симуляции не соответствуют реальным условиям [и] они могут совершать ошибки, например, попадать в аварии. Идея состоит в том, чтобы использовать людей для безопасного преодоления разрыва между симуляцией и реальным миром, чтобы мы могли уменьшить некоторые из этих ошибок».
Соавторы обеих статей: Джули Шах, доцент кафедры аэронавтики и астронавтики и руководитель группы интерактивной робототехники CSAIL; и Эсе Камар, Дебадипта Дей и Эрик Хорвиц, все из Microsoft Research.
Бесмира Нуши является дополнительным соавтором предстоящей статьи.
Получение обратной связи
Некоторые традиционные методы обучения обеспечивают обратную связь с человеком во время реальных тестов, но только для обновления действий системы. Эти подходы не выявляют слепых зон, что может быть полезно для более безопасного выполнения в реальном мире.
Подход исследователей заключается в том, что система искусственного интеллекта сначала подвергается симуляционному обучению, где она вырабатывает «политику», которая, по сути, сопоставляет каждую ситуацию с наилучшими действиями, которые она может предпринять в симуляциях. Затем система будет развернута в реальном мире, где люди подают сигналы об ошибках в регионах, где действия системы неприемлемы.
Люди могут предоставлять данные несколькими способами, например, посредством «демонстраций» и «исправлений». В демонстрациях человек действует в реальном мире, а система наблюдает и сравнивает действия человека с тем, что он сделал бы в той ситуации.
Например, для беспилотных автомобилей человек будет вручную управлять автомобилем, а система подаст сигнал, если запланированное поведение отклоняется от поведения человека. Совпадения и несовпадения с действиями человека дают шумные указания на то, где система может действовать приемлемо или неприемлемо.
В качестве альтернативы, человек может вносить исправления, при этом человек наблюдает за системой, как она действует в реальном мире. Человек может сидеть за рулем, пока автономный автомобиль едет по запланированному маршруту. Если действия машины правильные, человек ничего не делает. Однако, если действия автомобиля неверны, человек может сесть за руль, что посылает сигнал о том, что система не действовала неприемлемо в данной конкретной ситуации.
После того, как данные обратной связи от человека собраны, система, по сути, имеет список ситуаций и для каждой ситуации несколько меток, говорящих о том, что ее действия были приемлемыми или неприемлемыми. Одна и та же ситуация может получать много разных сигналов, потому что система воспринимает многие ситуации как идентичные.
Например, автономный автомобиль может много раз проехать рядом с большим автомобилем, не снижая скорости и не останавливаясь. Но только в одном случае мимо проезжает машина скорой помощи, которая кажется системе точно такой же. Автономный автомобиль не останавливается и получает сигнал обратной связи о том, что система предприняла недопустимое действие.
«В этот момент в систему поступило несколько противоречивых сигналов от человека: на одном рядом стояла большая машина, и все было в порядке, а на другом в том же месте находилась скорая помощь, но это было не так. хорошо. Система отмечает, что сделала что-то не так, но не знает, почему», — говорит Рамакришнан. «Поскольку агент получает все эти противоречивые сигналы, следующим шагом будет сбор информации, чтобы задать вопрос: «Насколько вероятно, что я совершу ошибку в этой ситуации, когда я получил эти смешанные сигналы?»
Интеллектуальное агрегирование
Конечная цель — пометить эти неоднозначные ситуации как слепые зоны.
Но это выходит за рамки простого подсчета приемлемых и неприемлемых действий для каждой ситуации. Например, если система выполнила правильные действия девять раз из 10 в ситуации с машиной скорой помощи, простое большинство голосов пометит эту ситуацию как безопасную.
«Но поскольку неприемлемые действия встречаются гораздо реже, чем допустимые, система со временем научится предсказывать все ситуации как безопасные, что может быть чрезвычайно опасно», — говорит Рамакришнан.
С этой целью исследователи использовали алгоритм Дэвида-Скена, метод машинного обучения, обычно используемый в краудсорсинге для обработки шума этикеток. Алгоритм принимает на вход список ситуаций, каждая из которых имеет набор зашумленных «приемлемых» и «неприемлемых» меток. Затем он агрегирует все данные и использует некоторые расчеты вероятности для выявления шаблонов в метках прогнозируемых слепых зон и шаблонов для прогнозируемых безопасных ситуаций. Используя эту информацию, он выводит единую агрегированную метку «безопасность» или «слепая зона» для каждой ситуации вместе с уровнем достоверности этой метки.
Примечательно, что алгоритм может обучаться в ситуации, когда он, например, может работать приемлемо 90 процентов времени ситуация все еще достаточно неоднозначна, чтобы заслуживать «слепого пятна».
В конце концов, алгоритм создает своего рода «тепловую карту», где каждой ситуации из первоначального обучения системы назначается низкая или высокая вероятность того, что она будет слепой зоной для системы.
«Когда система развертывается в реальном мире, она может использовать эту изученную модель, чтобы действовать более осторожно и разумно. Если обученная модель с высокой вероятностью предсказывает состояние как слепое пятно, система может запросить у человека приемлемое действие, что обеспечит более безопасное выполнение», — говорит Рамакришнан.
«Это исследование представляет собой приятный поворот в обнаружении несоответствия между симулятором и реальным миром, делая открытие непосредственно на основе отзывов экспертов о поведении агента», — говорит Эрик Итон, профессор компьютерных и информационных наук, с с акцентом на робототехнику в Пенсильванском университете.