Assista a um cão-robô com IA percorrer um curso de agilidade nunca visto antes

Assista a um cão-robô com IA percorrer um curso de agilidade nunca visto antes

Registro de data e hora: 14 de março de 2024, 3:09
Assista a um AI Robot Dog Rock em um curso de agilidade nunca visto antes PlatoBlockchain Data Intelligence. Pesquisa vertical. Ai.

Robôs fazendo acrobacias podem ser um ótimo truque de marketing, mas normalmente essas exibições são altamente coreografadas e meticulosamente programadas. Agora, os pesquisadores treinaram um robô de IA de quatro patas para enfrentar obstáculos complexos e nunca antes vistos em condições do mundo real.

Criar robôs ágeis é um desafio devido à complexidade inerente do mundo real, à quantidade limitada de dados que os robôs podem coletar sobre ele e à velocidade com que as decisões precisam ser tomadas para realizar movimentos dinâmicos.

Empresas como a Boston Dynamics lançam regularmente vídeos de seus robôs fazendo de tudo, desde parkour para rotinas de dança. Mas por mais impressionantes que sejam esses feitos, eles normalmente envolvem humanos programando meticulosamente cada passo ou treinando repetidamente nos mesmos ambientes altamente controlados.

Este processo limita seriamente a capacidade de transferir competências para o mundo real. Mas agora, pesquisadores da ETH Zurich, na Suíça, usaram o aprendizado de máquina para ensinar ao seu cão-robô ANYmal um conjunto de habilidades básicas de locomoção que ele pode então unir para enfrentar uma ampla variedade de pistas de obstáculos desafiadoras, tanto internas quanto externas, em velocidades de até a 4.5 milhas por hora.

“A abordagem proposta permite que o robô se mova com uma agilidade sem precedentes”, escrevem os autores de um novo artigo sobre a pesquisa em Robótica ciência. “Agora ele pode evoluir em cenas complexas onde deve escalar e pular grandes obstáculos enquanto seleciona um caminho não trivial em direção ao local alvo.”

[Conteúdo incorporado]

Para criar um sistema flexível, mas capaz, os pesquisadores dividiram o problema em três partes e atribuíram uma rede neural a cada uma. Primeiro, eles criaram um módulo de percepção que recebe informações de câmeras e lidar e os utiliza para construir uma imagem do terreno e de quaisquer obstáculos nele contidos.

Eles combinaram isso com um módulo de locomoção que aprendeu um catálogo de habilidades projetadas para ajudá-lo a atravessar diferentes tipos de obstáculos, incluindo pular, subir, descer e agachar. Finalmente, eles fundiram esses módulos com um módulo de navegação que poderia traçar um percurso através de uma série de obstáculos e decidir quais habilidades invocar para superá-los.

“Substituímos o software padrão da maioria dos robôs por redes neurais”, disse Nikita Rudin, uma das autoras do artigo, engenheira da Nvidia e estudante de doutorado na ETH Zurich. disse New Scientist. “Isso permite que o robô alcance comportamentos que de outra forma não seriam possíveis.”

Um dos aspectos mais impressionantes da pesquisa é o fato de o robô ter sido treinado em simulação. Um grande gargalo na robótica é a coleta de dados reais suficientes para os robôs aprenderem. Simulações podem ajudar a coletar dados muito mais rapidamente submetendo muitos robôs virtuais a testes em paralelo e a uma velocidade muito maior do que é possível com robôs físicos.

Mas traduzir as habilidades aprendidas na simulação para o mundo real é complicado devido à lacuna inevitável entre os mundos virtuais simples e o mundo físico extremamente complexo. Treinar um sistema robótico que possa operar de forma autônoma em ambientes invisíveis, tanto internos quanto externos, é uma grande conquista.

O processo de treinamento baseou-se puramente na aprendizagem por reforço – efetivamente tentativa e erro – em vez de demonstrações humanas, o que permitiu aos pesquisadores treinar o modelo de IA em um grande número de cenários aleatórios, em vez de ter que rotular cada um manualmente.

Outra característica impressionante é que tudo funciona com chips instalados no robô, em vez de depender de computadores externos. E além de ser capaz de enfrentar uma variedade de cenários diferentes, os pesquisadores mostraram que o ANYmal poderia se recuperar de quedas ou escorregões para completar a pista de obstáculos.

Os pesquisadores dizem que a velocidade e a adaptabilidade do sistema sugerem que robôs treinados desta forma poderão um dia ser usados ​​para missões de busca e resgate em ambientes imprevisíveis e difíceis de navegar, como escombros e edifícios desabados.

A abordagem tem limitações. O sistema foi treinado para lidar com tipos específicos de obstáculos, mesmo que variassem em tamanho e configuração. Fazer com que funcionasse em ambientes menos estruturados exigiria muito mais formação em cenários mais diversos para desenvolver uma paleta mais ampla de competências. E esse treinamento é complicado e demorado.

Mas a pesquisa não deixa de ser uma indicação de que os robôs estão se tornando cada vez mais capazes de operar em ambientes complexos do mundo real. Isso sugere que em breve eles poderão ser uma presença muito mais visível ao nosso redor.

Crédito de imagem: ETH Zurich

Carimbo de hora:

Mais de Singularity Hub