211service.com
Zapomnij o Boston Dynamics. Ten robot nauczył się chodzić
Robotyka Hybrydowa
Para nóg robota o nazwie Cassie została nauczył się chodzić za pomocą uczenia się ze wzmocnieniem , technika szkoleniowa, która uczy złożonych zachowań AI metodą prób i błędów. Dwunożny robot od podstaw nauczył się szeregu ruchów, w tym chodzenia w przysiadzie i noszenia niespodziewanego ładunku.
Ale czy to może boogie? Oczekiwania na to, co mogą zrobić roboty, są wysokie dzięki wirusowym filmom opublikowanym przez Boston Dynamics, które pokazują jego humanoidalnego robota Atlas stojącego na jednej nodze, przeskakującego nad pudełkami i taniec . Te filmy zgromadziły miliony wyświetleń, a nawet zostały parodiowany . Kontrola Atlasa nad swoimi ruchami jest imponująca, ale choreograficzne sekwencje prawdopodobnie wymagają dużo ręcznego dostrajania. (Boston Dynamics nie opublikowało szczegółów, więc trudno powiedzieć ile.)
„Te filmy mogą skłaniać niektórych do przekonania, że jest to rozwiązany i łatwy problem” – mówi Zhongyu Li z Uniwersytetu Kalifornijskiego w Berkeley, który pracował nad Cassie ze swoimi kolegami. 'Ale wciąż długa droga do zrobienia, aby roboty humanoidalne niezawodnie działały i żyły w środowiskach ludzkich.' Cassie nie umie jeszcze tańczyć, ale nauczenie robota wielkości człowieka samodzielnego chodzenia przybliża go o kilka kroków do poradzenia sobie z szerokim zakresem terenu i odzyskania sił, gdy się potknie lub uszkodzi.
Powiązana historia
Te wirtualne ramiona robotów stają się mądrzejsze, szkoląc się nawzajem Grając w grę, w której jeden próbuje przechytrzyć drugiego, boty OpenAI mogą nauczyć się rozwiązywać szeroki zakres problemów bez konieczności ponownego szkolenia.Ograniczenia wirtualne: Uczenie się ze wzmacnianiem zostało wykorzystane do trenowania wielu botów chodzenia w symulacjach, ale przeniesienie tej umiejętności do rzeczywistego świata jest trudne. Wiele filmów, które widzisz wirtualnych agentów, nie jest wcale realistycznych, mówi Chelsea Finn, badacz sztucznej inteligencji i robotyki na Uniwersytecie Stanforda, który nie był zaangażowany w prace. Niewielkie różnice między symulowanymi prawami fizycznymi w środowisku wirtualnym a rzeczywistymi prawami fizycznymi poza nim — takimi jak tarcie między stopami robota a podłożem — mogą prowadzić do poważnych awarii, gdy robot próbuje zastosować to, czego się nauczył. Ciężki robot dwunożny może stracić równowagę i upaść, jeśli jego ruchy są nawet odrobinę odchylone.
Podwójna symulacja: Ale szkolenie dużego robota metodą prób i błędów w prawdziwym świecie byłoby niebezpieczne. Aby obejść te problemy, zespół z Berkeley wykorzystał dwa poziomy środowiska wirtualnego. W pierwszym symulowana wersja Cassie nauczyła się chodzić, czerpiąc z dużej istniejącej bazy danych ruchów robota. Ta symulacja została następnie przeniesiona do drugiego środowiska wirtualnego o nazwie SimMechanics, które odzwierciedla fizykę świata rzeczywistego z dużą dokładnością — ale kosztem szybkości działania. Dopiero gdy Cassie wydawała się dobrze chodzić, do rzeczywistego robota załadowano wyuczony model chodzenia.
Prawdziwa Cassie była w stanie chodzić, korzystając z modelu wyuczonego w symulacji, bez dodatkowego dostrajania. Może chodzić po nierównym i śliskim terenie, przenosić nieoczekiwane ładunki i odzyskiwać siły po popchnięciu. Podczas testów Cassie uszkodziła również dwa silniki w prawej nodze, ale była w stanie dostosować swoje ruchy, aby to zrekompensować. Finn uważa, że to ekscytująca praca. Zgadza się z tym Edward Johns, który kieruje Laboratorium Nauki Robotów w Imperial College London. To jeden z najbardziej udanych przykładów, jakie widziałem, mówi.
Zespół z Berkeley ma nadzieję, że wykorzysta swoje podejście do uzupełnienia repertuaru ruchów Cassie. Ale nie spodziewaj się tańca w najbliższym czasie.