Saksikan Kursus Ketangkasan Anjing Robot AI yang Belum Pernah Dilihat Sebelumnya

Robot yang melakukan aksi akrobatik mungkin merupakan trik pemasaran yang hebat, tetapi biasanya pertunjukan ini memiliki koreografi yang sangat tinggi dan diprogram dengan susah payah. Kini para peneliti telah melatih robot AI berkaki empat untuk mengatasi rintangan kompleks yang sebelumnya tidak terlihat dalam kondisi dunia nyata.

Menciptakan robot yang tangkas merupakan suatu tantangan karena kompleksitas yang melekat pada dunia nyata, terbatasnya jumlah data yang dapat dikumpulkan robot tentang hal tersebut, dan kecepatan pengambilan keputusan untuk melakukan gerakan dinamis.

Perusahaan seperti Boston Dynamics secara teratur merilis video robot mereka melakukan segala hal mulai dari Parkour untuk rutinitas tari. Namun meskipun prestasi ini mengesankan, hal ini biasanya melibatkan manusia yang dengan susah payah memprogram setiap langkah atau pelatihan di lingkungan yang sangat terkontrol berulang kali.

Proses ini sangat membatasi kemampuan untuk mentransfer keterampilan ke dunia nyata. Namun kini, para peneliti dari ETH Zurich di Swiss telah menggunakan pembelajaran mesin untuk mengajari anjing robot mereka, APAPUN, serangkaian keterampilan lokomotif dasar yang kemudian dapat dirangkai untuk mengatasi berbagai macam rintangan yang menantang, baik di dalam maupun di luar ruangan, dengan kecepatan tinggi. hingga 4.5 mil per jam.

“Pendekatan yang diusulkan memungkinkan robot bergerak dengan kelincahan yang belum pernah terjadi sebelumnya,” tulis penulis makalah baru tentang penelitian tersebut Robotika ilmu. “Ia sekarang dapat berevolusi dalam pemandangan yang kompleks di mana ia harus memanjat dan melompati rintangan besar sambil memilih jalur yang tidak sepele menuju lokasi targetnya.”

[Embedded content]

Untuk menciptakan sistem yang fleksibel namun mumpuni, para peneliti membagi masalah menjadi tiga bagian dan menetapkan jaringan saraf untuk masing-masing bagian. Pertama, mereka membuat modul persepsi yang mengambil masukan dari kamera dan lidar dan menggunakannya untuk membuat gambaran medan dan hambatan apa pun di dalamnya.

Mereka menggabungkannya dengan modul penggerak yang telah mempelajari katalog keterampilan yang dirancang untuk membantunya melintasi berbagai jenis rintangan, termasuk melompat, memanjat, turun, dan berjongkok. Terakhir, mereka menggabungkan modul-modul ini dengan modul navigasi yang dapat memetakan jalur melalui serangkaian rintangan dan memutuskan keterampilan mana yang harus digunakan untuk menyelesaikannya.

“Kami mengganti perangkat lunak standar pada sebagian besar robot dengan jaringan saraf,” Nikita Rudin, salah satu penulis makalah, seorang insinyur di Nvidia, dan mahasiswa PhD di ETH Zurich, mengatakan New Scientist. “Hal ini memungkinkan robot untuk mencapai perilaku yang tidak mungkin dilakukan sebaliknya.”

Salah satu aspek yang paling mengesankan dari penelitian ini adalah fakta bahwa robot tersebut dilatih dalam simulasi. Hambatan utama dalam robotika adalah pengumpulan data dunia nyata yang cukup untuk dipelajari oleh robot. Simulasi bisa membantu mengumpulkan data lebih cepat dengan menempatkan banyak robot virtual melalui uji coba secara paralel dan dengan kecepatan yang jauh lebih tinggi dibandingkan dengan robot fisik.

Namun menerjemahkan keterampilan yang dipelajari dalam simulasi ke dunia nyata sulit dilakukan karena adanya kesenjangan yang tak terelakkan antara dunia virtual sederhana dan dunia fisik yang sangat kompleks. Melatih sistem robot yang dapat beroperasi secara mandiri di lingkungan tak terlihat baik di dalam maupun di luar ruangan merupakan sebuah pencapaian besar.

Proses pelatihan hanya bergantung pada pembelajaran penguatan (reinforcement learning)—yang secara efektif merupakan uji coba (trial and error)—bukan demonstrasi pada manusia, yang memungkinkan para peneliti untuk melatih model AI pada sejumlah besar skenario acak daripada harus memberi label pada masing-masing skenario secara manual.

Fitur mengesankan lainnya adalah semuanya berjalan pada chip yang dipasang di robot, dan tidak bergantung pada komputer eksternal. Dan selain mampu mengatasi berbagai skenario yang berbeda, para peneliti menunjukkan bahwa ANYmal dapat pulih dari jatuh atau terpeleset untuk menyelesaikan rintangan.

Para peneliti mengatakan kecepatan dan kemampuan beradaptasi sistem ini menunjukkan bahwa robot yang dilatih dengan cara ini suatu hari nanti dapat digunakan untuk misi pencarian dan penyelamatan di lingkungan yang tidak dapat diprediksi dan sulit dinavigasi seperti reruntuhan dan bangunan yang runtuh.

Pendekatan ini memang mempunyai keterbatasan. Sistem ini dilatih untuk menghadapi jenis hambatan tertentu, meskipun ukuran dan konfigurasinya bervariasi. Agar dapat berfungsi di lingkungan yang lebih tidak terstruktur, diperlukan lebih banyak pelatihan dalam skenario yang lebih beragam untuk mengembangkan keterampilan yang lebih luas. Dan pelatihan itu rumit dan memakan waktu.

Namun penelitian ini tetap memberikan indikasi akan hal tersebut robot menjadi semakin mampu beroperasi di lingkungan dunia nyata yang kompleks. Hal ini menunjukkan kehadiran mereka akan lebih terlihat di sekitar kita.

Gambar Kredit: ETH Zurich

• Konten Bertenaga SEO & Distribusi PR. Dapatkan Amplifikasi Hari Ini.
• PlatoData.Jaringan Vertikal Generatif Ai. Berdayakan Diri Anda. Akses Di Sini.
• PlatoAiStream. Intelijen Web3. Pengetahuan Diperkuat. Akses Di Sini.
• PlatoESG. Karbon, teknologi bersih, energi, Lingkungan Hidup, Tenaga surya, Penanganan limbah. Akses Di Sini.
• PlatoHealth. Kecerdasan Uji Coba Biotek dan Klinis. Akses Di Sini.
• Sumber: https://singularityhub.com/2024/03/14/watch-an-ai-robot-dog-rock-an-agility-course-its-never-seen-before/