Aizmirstiet Boston Dynamics. Šis robots pats iemācījās staigāt

Hibrīda robotika

Ir bijis robotu kāju pāris, ko sauc par Kesiju mācīja staigāt, izmantojot pastiprināšanas mācības , apmācības paņēmiens, kas māca AI sarežģītu uzvedību, izmantojot izmēģinājumus un kļūdas. Divkājainais robots no nulles apguva dažādas kustības, tostarp staigāšanu pietupienā un negaidītas kravas nēsāšanu.

Bet vai tas var būt boogie? Cerības uz to, ko roboti var paveikt, piepildās, pateicoties Boston Dynamics publicētajiem vīrusu videoklipiem, kuros redzams, ka tā humanoīdais Atlas robots stāv uz vienas kājas, lec pāri kastēm un dejošana . Šie videoklipi ir uzkrājuši miljoniem skatījumu un pat ir bijuši parodēts . Atlasa kustības kontrole ir iespaidīga, taču horeogrāfiskās sekvences, iespējams, ir saistītas ar lielu roku regulēšanu. (Boston Dynamics nav publicējis sīkāku informāciju, tāpēc ir grūti pateikt, cik daudz.)

'Šie video var likt dažiem cilvēkiem domāt, ka šī ir atrisināta un vienkārša problēma,' saka Džonju Li no Kalifornijas Universitātes Bērklijā, kurš kopā ar saviem kolēģiem strādāja pie Kasijas. 'Taču mums vēl ir tāls ceļš ejams, lai humanoīdu roboti droši darbotos un dzīvotu cilvēku vidē.' Kesija vēl neprot dejot, taču, iemācot cilvēka auguma robotam staigāt pašam, tas ir vairākus soļus tuvāk tam, lai tas spētu tikt galā ar plašu reljefu un atgūties, kad tas paklūp vai sabojājas.

Saistīts stāsts

Šīs virtuālās robotu rokas kļūst gudrākas, apmācot viena otru Spēlējot spēli, kurā viens mēģina pārspēt otru, OpenAI robotprogrammatūras var iemācīties atrisināt dažādas problēmas bez pārkvalificēšanās.

Virtuālie ierobežojumi: Mācību pastiprināšana ir izmantota, lai apmācītu daudzus robotus, lai viņi varētu staigāt simulācijās, taču ir grūti pārnest šo spēju uz reālo pasauli. Daudzi videoklipi, ko redzat par virtuālajiem aģentiem, nepavisam nav reālistiski, saka Čelsija Finna, AI un robotikas pētniece Stenfordas Universitātē, kura nebija iesaistīta darbā. Nelielas atšķirības starp simulētajiem fiziskajiem likumiem virtuālajā vidē un reālajiem fiziskajiem likumiem ārpus tās, piemēram, kā darbojas berze starp robota pēdām un zemi, var izraisīt lielas neveiksmes, kad robots mēģina pielietot apgūto. Smags divkājains robots var zaudēt līdzsvaru un nokrist, ja tā kustības ir kaut nedaudz traucētas.

Dubultā simulācija: Taču liela robota apmācība, izmantojot izmēģinājumus un kļūdas reālajā pasaulē, būtu bīstami. Lai apietu šīs problēmas, Bērklija komanda izmantoja divus virtuālās vides līmeņus. Pirmajā Cassie simulētā versija iemācījās staigāt, izmantojot lielu esošo robotu kustību datu bāzi. Pēc tam šī simulācija tika pārnesta uz otru virtuālo vidi, ko sauc par SimMechanics, kas atspoguļo reālās pasaules fiziku ar augstu precizitātes pakāpi, taču par to jāmaksā par darbības ātrumu. Tikai tad, kad šķita, ka Kesija staigāja labi, apgūtais staigāšanas modelis tika ielādēts īstajā robotā.

Īstā Kesija varēja staigāt, izmantojot simulācijā apgūto modeli, bez papildu precizēšanas. Tas varētu staigāt pa nelīdzenu un slidenu reljefu, pārvadāt negaidītas kravas un atgūties pēc stumšanas. Pārbaudes laikā Cassie arī sabojāja divus motorus labajā kājā, taču spēja pielāgot tās kustības, lai to kompensētu. Finn uzskata, ka šis ir aizraujošs darbs. Tam piekrīt arī Edvards Džonss, kurš vada Robotu mācību laboratoriju Londonas Imperiālajā koledžā. Šis ir viens no veiksmīgākajiem piemēriem, ko esmu redzējis, viņš saka.

Bērklija komanda cer izmantot savu pieeju, lai papildinātu Kasijas kustību repertuāru. Bet negaidiet, ka tuvākajā laikā notiks dejas.

paslēpties