Robotikk

Roboter lærer forskjellige bevegelsesatferd ved hjelp av menneskelige demonstrasjoner

Roboter lærer forskjellige bevegelsesatferd ved hjelp av menneskelige demonstrasjoner



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.

Roboter er en stor del av fremtiden vår, og forskere over hele verden har jobbet hardt for å muliggjøre jevne bevegelsesstiler i både humanoide og leggede roboter.

Nå har et team av forskere fra University of Edinburgh i Skottland satt sammen et rammeverk for å trene humanoide roboter til å gå akkurat som oss, mennesker, ved å bruke menneskelige demonstrasjoner.

Studien deres ble forhåndsutgitt den arXiv, og kombinerer imitasjon læring og dyp forsterkning læring teknikker. Deres funn ble også publisert i IEEE Xplore.

SE OGSÅ: IRANS MEST AVANSERTE HUMANOID ROBOT RIVALS HONDA'S ASIMO

Nyttig menneskelig kunnskap i robotsystemer

"Nøkkelspørsmålet vi satte ut for å undersøke var hvordan vi kunne innlemme (1) nyttig menneskelig kunnskap i robotbevegelse og (2) menneskelig bevegelsesfangstdata for etterligning i dyp forsterkningslæringsparadigme for å fremme de autonome mulighetene til leggede roboter mer effektivt," Chuanyu Yang, en av forskerne som er en del av studien, fortalte TechXplore.

"Vi foreslo to metoder for å introdusere menneskelig forkunnskap i et DRL-rammeverk."

Teamets rammeverk fungerer med en unik belønningsdesign som bruker bevegelsestekstdata om mennesker som går som en del av treningsprosessen. Den kombinerer dette med to spesialiserte hierarkiske nevrale arkitekturer: et fasefunksjonalt nevralt nettverk (PFNN) og et modusadaptivt nevralt nettverk (MANN).

"Nøkkelen til å replikere menneskelignende bevegelsesstiler er å introdusere menneskelige vandringsdata som en ekspertdemonstrasjon for læringsagenten å etterligne," forklarte Yang. "Belønningsdesign er et viktig aspekt av forsterkningslæring, da det styrer agentenes oppførsel."

Du kan ikke unngå å tenke på likhetene med å trene en hund til å utføre triks og belønne den med et bein etterpå ...

Den fantastiske nyheten om teamets rammeverk var at det til og med gjorde det mulig for humanoide roboter å operere på ujevnt underlag eller ytre trykk.

Teamets funn antyder at ekspertdemonstrasjoner, som mennesker som går, kan forbedre dyp forsterkning læringsteknikker for å trene roboter på en rekke forskjellige bevegelsesstiler. Til slutt kan disse robotene bevege seg like raskt og enkelt som mennesker, også mens de oppnår mer naturlig og menneskelig oppførsel.

For øyeblikket all forskningen er utført gjennom en simulering, involverer de neste trinnene å prøve rammeverket i det virkelige liv.

"I vårt fremtidige arbeid planlegger vi også å utvide læringsrammeverket for å imitere et mer mangfoldig og komplekst sett med menneskelige bevegelser, som generell motorikk på tvers av bevegelse, manipulasjon og griping," sa Yang.


Se videoen: How to make hard choices. Ruth Chang (August 2022).