Посмотрите, как собака-робот с искусственным интеллектом проходит невиданный ранее курс по аджилити

Роботы, исполняющие акробатические трюки, могли бы стать отличным маркетинговым трюком, но обычно такие представления тщательно срежиссированы и тщательно запрограммированы. Теперь исследователи обучили четвероногого робота с искусственным интеллектом преодолевать сложные, ранее невиданные полосы препятствий в реальных условиях.

Создание гибких роботов является сложной задачей из-за сложности реального мира, ограниченного объема данных, которые роботы могут собирать о нем, и скорости, с которой необходимо принимать решения для выполнения динамических движений.

Такие компании, как Boston Dynamics, регулярно публикуют видеоролики о том, как их роботы делают все: от Паркур в танцевальные номера. Но какими бы впечатляющими ни были эти достижения, они обычно подразумевают, что люди кропотливо программируют каждый шаг или тренируются в одной и той же строго контролируемой среде снова и снова.

Этот процесс серьезно ограничивает возможность переноса навыков в реальный мир. Но теперь исследователи из ETH Zurich в Швейцарии использовали машинное обучение, чтобы обучить свою собаку-робота ANYmal набору базовых навыков передвижения, которые затем можно объединить для преодоления широкого спектра сложных полос препятствий как в помещении, так и на открытом воздухе, на скоростях до до 4.5 миль в час.

«Предлагаемый подход позволяет роботу двигаться с беспрецедентной ловкостью», — пишут авторы новой статьи об исследованиях в Робототехника. «Теперь он может развиваться в сложных сценах, где ему приходится карабкаться и прыгать через большие препятствия, выбирая нетривиальный путь к месту назначения».

[Встраиваемое содержимое]

Чтобы создать гибкую, но работоспособную систему, исследователи разбили задачу на три части и назначили каждой нейронную сеть. Во-первых, они создали модуль восприятия, который принимает данные от камер и лидара и использует их для построения изображения местности и любых препятствий на ней.

Они объединили это с модулем передвижения, который освоил набор навыков, помогающих ему преодолевать различные виды препятствий, включая прыжки, подъем, спуск и приседание. Наконец, они объединили эти модули с навигационным модулем, который мог проложить курс через ряд препятствий и решить, какие навыки использовать, чтобы их преодолеть.

«Мы заменяем стандартное программное обеспечение большинства роботов нейронными сетями», — Никита Рудин, один из авторов статьи, инженер Nvidia и аспирант ETH Zurich, заявил New Scientist. «Это позволяет роботу добиться поведения, которое иначе было бы невозможно».

Одним из наиболее впечатляющих аспектов исследования является тот факт, что робот был обучен моделированию. Основным узким местом в робототехнике является сбор достаточного количества реальных данных, чтобы роботы могли учиться на них. Моделирование может помочь собрать данные гораздо быстрее путем проведения испытаний многим виртуальным роботам параллельно и с гораздо большей скоростью, чем это возможно с физическими роботами.

Но перенести навыки, полученные в симуляции, в реальный мир сложно из-за неизбежного разрыва между простыми виртуальными мирами и чрезвычайно сложным физическим миром. Обучение роботизированной системы, которая может работать автономно в невидимых условиях как в помещении, так и на открытом воздухе, является большим достижением.

Процесс обучения основывался исключительно на обучении с подкреплением — фактически методом проб и ошибок — а не на человеческих демонстрациях, что позволило исследователям обучать модель ИИ на очень большом количестве рандомизированных сценариев вместо того, чтобы маркировать каждый вручную.

Еще одна впечатляющая особенность заключается в том, что все работает на чипах, установленных в роботе, а не на внешних компьютерах. Исследователи показали, что ANYmal не только способен справляться с различными сценариями, но и может восстанавливаться после падений или поскользнуться, чтобы преодолеть полосу препятствий.

Исследователи говорят, что скорость и адаптивность системы позволяют предположить, что роботы, обученные таким образом, однажды смогут использоваться для поисково-спасательных операций в непредсказуемых, труднодоступных средах, таких как обломки и разрушенные здания.

Однако этот подход имеет ограничения. Система была обучена справляться с определенными видами препятствий, даже если они различались по размеру и конфигурации. Чтобы заставить его работать в более неструктурированной среде, потребуется гораздо больше обучения в более разнообразных сценариях для развития более широкой палитры навыков. И такое обучение сложное и требует много времени.

Но исследование, тем не менее, указывает на то, что роботы становятся все более способными работы в сложных, реальных условиях. Это говорит о том, что вскоре их присутствие вокруг нас станет гораздо более заметным.

Изображение Фото: ETH Zurich

• SEO-контент и PR-распределение. Получите усиление сегодня.
• PlatoData.Network Вертикальный генеративный ИИ. Расширьте возможности себя. Доступ здесь.
• ПлатонАйСтрим. Интеллект Web3. Расширение знаний. Доступ здесь.
• ПлатонЭСГ. Углерод, чистые технологии, Энергия, Окружающая среда, Солнечная, Управление отходами. Доступ здесь.
• ПлатонЗдоровье. Биотехнологии и клинические исследования. Доступ здесь.
• Источник: https://singularityhub.com/2024/03/14/watch-an-ai-robot-dog-rock-an-agility-course-its-never-seen-before/