AI

Google-forskere bruker AI for å lære roboter å bevege seg som ekte hunder

Google-forskere bruker AI for å lære roboter å bevege seg som ekte hunder


We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.

Google-forskere har brukt kunstig intelligens (AI) for å lære roboter hvordan de skal bevege seg med ekte dyrs smidighet (i dette tilfellet hunder). De beskriver eksperimentet sitt i en blogg som ble utgitt denne uken.

RELATERT: CASSIE ROBOTEN VISER AV AGILE BEVEGELSE I SLICK NY PROMO VIDEO

Agil oppførsel

"Først beskriver vi hvordan roboter kan lære smidig atferd ved å imitere bevegelser fra ekte dyr, og produsere raske og flytende bevegelser som trav og hopping. Deretter diskuterer vi et system for å automatisere opplæringen av bevegelsesferdigheter i den virkelige verden, som gjør det mulig for roboter å lære å gå alene, med minimal menneskelig assistanse, "delt i bloggen Xue Bin (Jason) Peng, studentforsker og Sehoon Ha, forsker, robotikk hos Google.

De oppnådde denne imponerende bragden ved å bruke noe som heter forsterkningslæring (RL). De begynte med å ta et referanse bevegelsesklipp spilt inn fra et dyr og bruke RL for å få roboten til å imitere disse bevegelsene.

"Ved å gi systemet forskjellige referansebevegelser, er vi i stand til å trene en firbenet robot til å utføre et mangfoldig sett med smidig atferd, alt fra raske gangarter til dynamiske humle og svinger. Retningslinjene blir primært trent i simulering, og deretter overført til den virkelige verden ved hjelp av en latent teknikk for romtilpasning som effektivt kan tilpasse en politikk med bare noen få minutters data fra den virkelige roboten, »skrev forskerne i bloggen sin.

Tilfeldighet

Det er imidlertid et kjent faktum at simulatorer gir en dårlig tilnærming av den virkelige verden, noe som betyr at simuleringer ikke fungerer bra i virkeligheten. Det er her forskerne bestemte seg for å bruke en prøveeffektiv latent romtilpasningsteknikk.

De gjorde det ved å introdusere et tilfeldighetselement til de fysiske parametrene som ble brukt i simuleringen ved å variere fysiske størrelser, for eksempel robotens masse og friksjon. Dette resulterte i en maskinlæringsmodell som kunne redegjøre for alle slags små avvik og komplikasjonene de skaper nedover linjen.

Sluttresultatet er en robot som beveger seg med samme smidighet som en ekte hund. Denne typen arbeid er avgjørende da det kan åpne muligheter for å distribuere roboter for sofistikerte oppgaver i den virkelige verden.


Se videoen: - (Oktober 2022).