En billig robot er dukket op, der lærer på grund af interaktion med miljøet

I løbet af det seneste årti har forskere flere gange forsøgt at bruge tilgange baseret på

forstærket læring (RL) - for eksempel undervistrobotter til at navigere i ethvert miljø og udføre grundlæggende opgaver. Men indtil videre har de ikke været i stand til at skabe overkommelige enheder, der kan kontrollere forskningsfaciliteter.

Nu forskere fra Aalto University(Finland) og Ote Robotics har afsløret RealAnt, en billig firbenet robot, der kan bruges til at teste og implementere RL-algoritmer. Den nye platform er en minimalistisk og overkommelig version fra den virkelige verden af ​​robotsimuleringsmiljøet, der bruges i forstærket læringsforskning.

Man troede oprindeligt, at algoritmer ville klare sig godtfungerer kun, hvis de træner på simulatorer i tusinder af timer. Forskerne kunne dog træne den firbenede robot til at gå ved hjælp af en minimal mængde data. Derfor kan robotten trænes i et ægte miljø uden træning i simulatoren.

Forskernes hovedmål var at skabeen enkel og billig robotplatform baseret på eksisterende kerneforstærkede læringsløsninger. En sådan platform giver flere forskere mulighed for at opbygge og teste autonome robotter, der er i stand til at udføre grundlæggende opgaver i den virkelige verden.

RealAnt, den firbenede robot, deskabt, er alsidig, minimalistisk og billig. Han kan uafhængigt af hinanden lære at gå, bevæge sine ben under koncert og kan mærke sin position og orientering i et givet miljø. Ved hjælp af RL-algoritmer kan en robot trænes i at udføre enkle, men værdifulde opgaver. Desuden fokuserer han på dette på miljøet omkring sig og behøver ikke yderligere data.

Læs også

Fundet det påståede rige for de forsvundne hetitter. Hvad har arkæologer fundet?

Dommedagsbreen viste sig at være farligere end forskere troede. Vi fortæller det vigtigste

Biologer har fundet ud af, hvordan man identificerer vindende sædceller