Oglejte si, kako pes robot z umetno inteligenco izvaja tečaj agilityja, kakršnega še niste videli

Oglejte si, kako pes robot z umetno inteligenco izvaja tečaj agilityja, kakršnega še niste videli

Časovni žig: 14. marec 2024 3:09
Oglejte si, kako robotski pes z umetno inteligenco izvaja tečaj agilnosti, kot ga še niste videli PlatoBlockchain Data Intelligence. Navpično iskanje. Ai.

Roboti, ki izvajajo akrobatske podvige, so lahko odličen marketinški trik, vendar so ti prikazi običajno zelo koreografirani in skrbno programirani. Zdaj so raziskovalci usposobili štirinožnega robota z umetno inteligenco za spopadanje s kompleksnimi, prej nevidenimi progami z ovirami v resničnih razmerah.

Ustvarjanje agilnih robotov je izziv zaradi inherentne zapletenosti resničnega sveta, omejene količine podatkov, ki jih roboti lahko zberejo o njem, in hitrosti, s katero je treba sprejemati odločitve za izvajanje dinamičnih gibov.

Podjetja, kot je Boston Dynamics, redno objavljajo videoposnetke svojih robotov, ki počnejo vse od Parkour do plesne rutine. Toda ne glede na to, kako impresivni so ti podvigi, običajno vključujejo ljudi, ki skrbno programirajo vsak korak ali usposabljanje v vedno znova istih visoko nadzorovanih okoljih.

Ta proces resno omejuje zmožnost prenosa veščin v resnični svet. Zdaj pa so raziskovalci z ETH Zürich v Švici uporabili strojno učenje, da so svojega psa robota ANYmal naučili nabora osnovnih lokomotorskih veščin, ki jih lahko nato poveže za spopadanje z najrazličnejšimi zahtevnimi progami z ovirami, tako v zaprtih prostorih kot na prostem, s hitrostjo do 4.5 milje na uro.

"Predlagani pristop omogoča, da se robot premika z neverjetno agilnostjo," pišejo avtorji novega članka o raziskavi v Znanstvena robotika. "Zdaj se lahko razvija v zapletenih prizorih, kjer mora plezati in skakati po velikih ovirah, medtem ko izbira netrivialno pot proti svoji ciljni lokaciji."

[Vgrajeni vsebina]

Da bi ustvarili prilagodljiv, a zmogljiv sistem, so raziskovalci problem razdelili na tri dele in vsakemu dodelili nevronsko mrežo. Najprej so ustvarili zaznavni modul, ki sprejema podatke iz kamer in lidarja ter jih uporablja za izdelavo slike terena in morebitnih ovir na njem.

To so združili z modulom za premikanje, ki se je naučil kataloga veščin, zasnovanih za pomoč pri premagovanju različnih vrst ovir, vključno s skakanjem, plezanjem navzgor, plezanjem navzdol in počepom. Nazadnje so te module združili z navigacijskim modulom, ki je lahko začrtal pot skozi vrsto ovir in se odločil, katere veščine naj uporabi, da jih odpravi.

"Standardno programsko opremo večine robotov zamenjamo z nevronskimi mrežami," Nikita Rudin, eden od avtorjev prispevka, inženir pri Nvidii in doktorski študent na ETH Zurich, Rekel New Scientist. "To omogoča robotu, da doseže vedenje, ki drugače ni bilo mogoče."

Eden najbolj impresivnih vidikov raziskave je dejstvo, da je bil robot usposobljen za simulacijo. Veliko ozko grlo v robotiki je zbiranje dovolj podatkov iz resničnega sveta, iz katerih se lahko roboti učijo. Simulacije lahko pomagajo pri veliko hitrejšem zbiranju podatkov tako, da so številni virtualni roboti vzporedno in z veliko večjo hitrostjo, kot je to mogoče s fizičnimi roboti.

Toda prevajanje veščin, pridobljenih v simulaciji, v resnični svet je težavno zaradi neizogibne vrzeli med preprostimi virtualnimi svetovi in ​​izjemno zapletenim fizičnim svetom. Usposabljanje robotskega sistema, ki lahko deluje samostojno v nevidnih okoljih tako v zaprtih prostorih kot na prostem, je velik dosežek.

Proces usposabljanja se je zanašal zgolj na učenje z okrepitvijo – dejansko na poskusih in napakah – in ne na človeških demonstracijah, kar je raziskovalcem omogočilo, da so usposobili model AI na zelo velikem številu naključnih scenarijev, namesto da bi morali vsakega ročno označevati.

Druga impresivna značilnost je, da vse deluje na čipih, nameščenih v robotu, namesto da bi se zanašalo na zunanje računalnike. Raziskovalci so poleg tega, da se lahko spoprimejo z različnimi scenariji, pokazali, da si ANYmal lahko opomore od padcev ali zdrsov, da bi dokončal tek z ovirami.

Raziskovalci pravijo, da hitrost in prilagodljivost sistema kažeta, da bi lahko tako usposobljene robote nekega dne uporabili za misije iskanja in reševanja v nepredvidljivih okoljih, v katerih je težko krmariti, kot so ruševine in podrte stavbe.

Vendar ima pristop omejitve. Sistem je bil usposobljen za obravnavo določenih vrst ovir, tudi če so se razlikovale po velikosti in konfiguraciji. Da bi deloval v bolj nestrukturiranih okoljih, bi bilo potrebno veliko več usposabljanja v bolj raznolikih scenarijih za razvoj širše palete veščin. In to usposabljanje je zapleteno in dolgotrajno.

Toda raziskava je vseeno pokazatelj tega roboti postajajo vse bolj zmogljivi delovanja v zapletenih okoljih resničnega sveta. To nakazuje, da bi lahko bili kmalu veliko bolj vidni prisotni povsod okoli nas.

Kreditno slike: ETH Zurich

Časovni žig:

Več od Središče singularnosti