AI

Google-forskare använder AI för att lära robotar att röra sig som riktiga hundar

Google-forskare använder AI för att lära robotar att röra sig som riktiga hundar


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.

Googles forskare har använt artificiell intelligens (AI) för att lära robotar hur man rör sig med smidigheten hos riktiga djur (i detta fall hundar). De beskriver sitt experiment i en blogg som släpptes denna vecka.

RELATERAD: CASSIE ROBOTEN VISAR AV AGILE RÖRELSE I SLICK NY PROMO VIDEO

Agilt beteende

"Först beskriver vi hur robotar kan lära sig agila beteenden genom att imitera rörelser från riktiga djur, producera snabba och flytande rörelser som trav och hoppning. Därefter diskuterar vi ett system för att automatisera träningen av rörelsefärdigheter i den verkliga världen, vilket gör det möjligt för robotar att lära sig att gå på egen hand, med minimal mänsklig hjälp, "delade i bloggen Xue Bin (Jason) Peng, studentforskare och Sehoon Ha, forskare, robotik på Google.

De uppnådde denna imponerande prestation genom att använda något som kallas förstärkningslärande (RL). De började med att ta ett referensrörelse klipp inspelat från ett djur och använda RL för att få roboten att imitera dessa rörelser.

"Genom att förse systemet med olika referensrörelser kan vi utbilda en fyrfödd robot för att utföra en mängd olika smidiga beteenden, allt från snabba gånggångar till dynamiska hopp och svängar. Politiken utbildas främst i simulering och överförs sedan den verkliga världen med hjälp av en latent teknik för rymdanpassning som effektivt kan anpassa en policy med bara några minuters data från den verkliga roboten, "skrev forskarna i sin blogg.

Slumpmässighet

Det är dock ett välkänt faktum att simulatorer ger en dålig approximation av den verkliga världen, vilket innebär att simuleringar inte fungerar bra i verkligheten. Det är här forskarna bestämde sig för att använda en proveffektiv latent rymdanpassningsteknik.

De gjorde det genom att införa ett slumpmässigt inslag i de fysiska parametrarna som användes i simuleringen genom att variera fysiska kvantiteter, såsom robotens massa och friktion. Detta resulterade i en maskininlärningsmodell som kunde ta hänsyn till alla slags små avvikelser och komplikationerna de skapar längs linjen.

Slutresultatet är en robot som rör sig med samma smidighet som en riktig hund. Denna typ av arbete är avgörande eftersom det kan öppna möjligheter att distribuera robotar för sofistikerade uppgifter i den verkliga världen.


Titta på videon: Cute Robots You Can BUY - Robots are Your Ultimate Life Hack (November 2022).