MIT-Ingenieure nutzten Simulation gebauter Umgebungen und Reinforcement Learning, um einem Roboter etwas beizubringen
Das Ändern der Oberflächeneigenschaften ändert die DynamikKugelbewegung. Zur Steuerung und zum Dribbeln (Ballfahren) nutzt der Roboter, der sich mit Hilfe von vier Beinen fortbewegt, eingebaute Sensoren, Computer Vision und ein Computersystem, das äußere Bedingungen auswertet und die Flugbahnen des Roboters und des Balls bestimmt.
Für Forschende mit beschleunigtem Lernenverwendete künstliche Simulation - ein digitaler Zwilling der Natur. Es ermöglicht Ihnen, die erforderlichen physikalischen Parameter der Umgebung herunterzuladen und die Dynamik von Objekten unter solchen Bedingungen zu simulieren. Mit diesem Ansatz simulierten die Ingenieure gleichzeitig 4.000 Versionen des Roboters und beschleunigten die Bewegungsentwicklung entsprechend. Nach solchen Simulationen beginnt die Praxis unter realen Bedingungen.
Der Roboter beginnt zu lernen, ohne zu wissen, wie man dribbelt -Er bekommt nur eine Belohnung, wenn er es tut, oder eine negative Verstärkung, wenn er einen Fehler macht, erklären die Entwickler. Er versucht also im Wesentlichen herauszufinden, welche Abfolge von Kräften er auf seine Beine anwenden sollte.
Einem Roboter beibringen, einen Ball zu dribbeln. Video: MIT CSAIL
Forscher stellen das am meisten festBisherige Entwicklungen konzentrierten sich nur auf eine Aufgabe: Der Roboter läuft oder passt den Ball. Das Dribbeln lernen erfordert mehr Komplexität und ist stärker von der Umgebung abhängig. Der Roboter muss seine Bewegung anpassen, um auf den Ball einzuwirken. In diesem Fall kann sich die Interaktion zwischen dem Ball und der Umgebung von der Interaktion zwischen dem Roboter und der Landschaft unterscheiden. Beispielsweise ist die Reibung, die ein Fußball auf Gras und Pflaster erfährt, unterschiedlich, aber eine Neigung verursacht eine Beschleunigung und verändert die typische Flugbahn des Balls.
Im Gegensatz zu stabileren Rovern (auf RädernRoboter) sind vierbeinige Roboter theoretisch agiler und können sich unter schwierigen Bedingungen während einer Naturkatastrophe bewegen, beispielsweise nach einer Überschwemmung oder einem Erdbeben. Doch um diese Chancen zu nutzen, ist es notwendig, ein System zu schaffen, das sich schnell an veränderte äußere Bedingungen anpassen kann.
Unser Ziel bei der Entwicklung von Algorithmen für Laufroboter ist es, Autonomie in schwierigen Umgebungen bereitzustellen, die derzeit für Robotersysteme nicht verfügbar sind.
Pulkit Agrawal, Professor und Laborleiter am Massachusetts Institute of Technology
Weiter lesen:
Es stellte sich heraus, dass die Photosynthese nicht so funktioniert, wie Wissenschaftler dachten. Jetzt wollen sie es hacken
Entfernte Radiogalaxie stellte sich als schwarzes Loch heraus, das direkt auf die Erde gerichtet ist
Experten haben vorhergesagt, wie viele Menschen bis 2100 auf der Erde leben werden