观看人工智能机器狗在前所未见的敏捷课程中表演

机器人表演杂技可能是一个很好的营销技巧，但通常这些展示都是经过精心设计和精心编程的。现在，研究人员已经训练了一个四足人工智能机器人，使其能够在现实条件下应对复杂的、以前从未见过的障碍路线。

由于现实世界固有的复杂性、机器人可以收集的数据量有限以及执行动态运动所需的决策速度有限，创建敏捷机器人具有挑战性。

像波士顿动力公司这样的公司定期发布他们的机器人做各种事情的视频 跑酷 至 舞蹈套路。但尽管这些壮举令人印象深刻，但它们通常需要人类在相同的高度控制的环境中一遍又一遍地精心编程每一步或进行训练。

这个过程严重限制了将技能转移到现实世界的能力。但现在，瑞士苏黎世联邦理工学院的研究人员使用机器学习来教他们的机器狗 ANYmal 一套基本的运动技能，然后它可以将这些技能组合起来，以更快的速度应对各种具有挑战性的室内和室外障碍路线。至每小时 4.5 英里。

“所提出的方法使机器人能够以前所未有的敏捷性移动，”一篇关于该研究的新论文的作者写道。 科学机器人。 “它现在可以在复杂的场景中进化，在这些场景中，它必须攀爬和跳跃大型障碍物，同时选择一条通往目标位置的重要路径。”

[嵌入的内容]

为了创建一个灵活而强大的系统，研究人员将问题分为三个部分，并为每个部分分配一个神经网络。首先，他们创建了一个感知模块，该模块接收来自摄像机和激光雷达的输入，并使用它们来构建地形及其中任何障碍物的图片。

他们将其与运动模块结合起来，该模块学习了一系列旨在帮助其穿越不同类型障碍的技能，包括跳跃、爬上、爬下和蹲下。最后，他们将这些模块与导航模块合并，该模块可以绘制通过一系列障碍的路线，并决定调用哪些技能来清除它们。

“我们用神经网络取代了大多数机器人的标准软件，”该论文的作者之一、Nvidia 工程师、苏黎世联邦理工学院博士生 Nikita Rudin 说道。 告诉 “新科学家”. “这使得机器人能够实现其他方式无法实现的行为。”

这项研究最令人印象深刻的方面之一是机器人接受了模拟训练。机器人技术的一个主要瓶颈是收集足够的真实世界数据供机器人学习。模拟可以 帮助更快地收集数据 让许多虚拟机器人以比物理机器人更快的速度并行进行试验。

但是，由于简单的虚拟世界和极其复杂的物理世界之间不可避免地存在差距，将模拟中学到的技能转化为现实世界是很棘手的。训练一个可以在室内和室外不可见的环境中自主操作的机器人系统是一项重大成就。

训练过程完全依赖于强化学习（有效地反复试验），而不是人类演示，这使得研究人员能够在大量随机场景上训练人工智能模型，而不必手动标记每个场景。

另一个令人印象深刻的功能是，一切都在机器人中安装的芯片上运行，而不是依赖外部计算机。研究人员表明，ANYmal 除了能够应对各种不同的情况外，还可以从跌倒或滑倒中恢复来完成障碍训练。

研究人员表示，该系统的速度和适应性表明，以这种方式训练的机器人有一天可以用于在瓦砾和倒塌的建筑物等不可预测、难以导航的环境中执行搜索和救援任务。

但该方法确实有局限性。该系统经过训练可以处理特定类型的障碍物，即使它们的大小和配置各不相同。要让它在更加非结构化的环境中工作，需要在更加多样化的场景中进行更多的培训，以培养更广泛的技能。而且这种培训既复杂又耗时。

但研究仍然表明 机器人的能力越来越强 在复杂的现实环境中操作。这表明它们很快就会在我们周围变得更加明显。

图片来源： 苏黎世联邦理工学院

• SEO 支持的内容和 PR 分发。 今天得到放大。
• PlatoData.Network 垂直生成人工智能。 赋予自己力量。 访问这里。
• 柏拉图爱流。 Web3 智能。 知识放大。 访问这里。
• 柏拉图ESG。 碳， 清洁科技, 能源， 环境， 太阳能， 废物管理。 访问这里。
• 柏拉图健康。 生物技术和临床试验情报。 访问这里。
• Sumber: https://singularityhub.com/2024/03/14/watch-an-ai-robot-dog-rock-an-agility-course-its-never-seen-before/