Urmărește un câine robot cu inteligență artificială care face un curs de agilitate care nu s-a mai văzut înainte

Urmărește un câine robot cu inteligență artificială care face un curs de agilitate care nu s-a mai văzut înainte

Marca temporală: 14 martie 2024, ora 3:09
Urmărește un câine robot cu inteligență artificială care face un curs de agilitate care nu a fost niciodată văzut înainte PlatoBlockchain Data Intelligence. Căutare verticală. Ai.

Roboții care fac acrobații ar putea fi un truc grozav de marketing, dar, de obicei, aceste afișaje sunt foarte coregrafiate și programate minuțios. Acum, cercetătorii au antrenat un robot AI cu patru picioare pentru a aborda curse cu obstacole complexe, nevăzute anterior, în condiții reale.

Crearea roboților agili este o provocare din cauza complexității inerente a lumii reale, a cantității limitate de date pe care roboții le pot colecta despre aceasta și a vitezei cu care trebuie luate decizii pentru a efectua mișcări dinamice.

Companii precum Boston Dynamics au lansat în mod regulat videoclipuri cu roboții lor făcând totul de la parkour la rutine de dans. Dar, oricât de impresionante sunt aceste fapte, ele implică de obicei oamenii care programează cu minuțiozitate fiecare pas sau se antrenează în aceleași medii extrem de controlate, iar și iar.

Acest proces limitează serios capacitatea de a transfera competențe în lumea reală. Dar acum, cercetătorii de la ETH Zurich din Elveția au folosit învățarea automată pentru a-și învăța câinele robot ANYmal o suită de abilități locomotive de bază pe care apoi le poate împerechea pentru a aborda o mare varietate de curse cu obstacole provocatoare, atât în ​​interior, cât și în aer liber, la viteze de până la la 4.5 mile pe oră.

„Abordarea propusă permite robotului să se miște cu o agilitate fără precedent”, scriu autorii unei noi lucrări despre cercetarea din Știința robotică. „Acum poate evolua în scene complexe în care trebuie să urce și să sară peste obstacole mari în timp ce selectează o cale non-trivială către locația țintă.”

[Conținutul încorporat]

Pentru a crea un sistem flexibil, dar capabil, cercetătorii au împărțit problema în trei părți și i-au atribuit fiecăreia o rețea neuronală. În primul rând, au creat un modul de percepție care preia informații de la camere și lidar și le folosește pentru a construi o imagine a terenului și a oricăror obstacole din acesta.

Ei au combinat acest lucru cu un modul de locomoție care a învățat un catalog de abilități concepute pentru a-l ajuta să traverseze diferite tipuri de obstacole, inclusiv sărituri, urcare, coborâre și ghemuire. În cele din urmă, au îmbinat aceste module cu un modul de navigare care ar putea trasa un curs printr-o serie de obstacole și ar putea decide ce abilități să invoce pentru a le depăși.

„Înlocuim software-ul standard al majorității roboților cu rețele neuronale”, Nikita Rudin, unul dintre autorii lucrării, inginer la Nvidia și doctorand la ETH Zurich, a spus New Scientist. „Acest lucru îi permite robotului să obțină comportamente care altfel nu ar fi fost posibile.”

Unul dintre cele mai impresionante aspecte ale cercetării este faptul că robotul a fost antrenat în simulare. Un blocaj major în robotică este strângerea de date din lumea reală pentru ca roboții să învețe. Simulările pot ajuta la colectarea datelor mult mai rapid punând mulți roboți virtuali prin încercări în paralel și cu o viteză mult mai mare decât este posibil cu roboții fizici.

Dar traducerea abilităților învățate în simulare în lumea reală este dificilă din cauza decalajului inevitabil dintre lumile virtuale simple și lumea fizică extrem de complexă. Antrenarea unui sistem robotic care poate funcționa autonom în medii nevăzute atât în ​​interior, cât și în exterior este o realizare majoră.

Procesul de instruire s-a bazat doar pe învățare prin consolidare – în mod eficient încercări și erori – mai degrabă decât pe demonstrații umane, ceea ce a permis cercetătorilor să antreneze modelul AI pe un număr foarte mare de scenarii randomizate, mai degrabă decât să fie nevoiți să eticheteze fiecare manual.

O altă caracteristică impresionantă este că totul rulează pe cipuri instalate în robot, mai degrabă decât să se bazeze pe computere externe. Și, pe lângă faptul că poate aborda o varietate de scenarii diferite, cercetătorii au arătat că ANYmal și-ar putea recupera în urma căderilor sau alunecărilor pentru a finaliza cursa cu obstacole.

Cercetătorii spun că viteza și adaptabilitatea sistemului sugerează că roboții antrenați în acest fel ar putea fi folosiți într-o zi pentru misiuni de căutare și salvare în medii imprevizibile, greu de navigat, cum ar fi molozurile și clădirile prăbușite.

Abordarea are însă limitări. Sistemul a fost antrenat să facă față unor tipuri specifice de obstacole, chiar dacă acestea variau în dimensiune și configurație. Faptul ca acesta să funcționeze în medii mai nestructurate ar necesita mult mai multă pregătire în scenarii mai diverse pentru a dezvolta o paletă mai largă de abilități. Și acest antrenament este atât complicat, cât și consumator de timp.

Dar cercetarea este totuși un indiciu că roboții devin din ce în ce mai capabili de operare în medii complexe, din lumea reală. Asta sugerează că în curând ar putea fi o prezență mult mai vizibilă în jurul nostru.

Credit imagine: Zurich ETH

Timestamp-ul:

Mai mult de la Singularity Hub