MIT 엔지니어들은 로봇을 가르치기 위해 구축 환경 시뮬레이션과 강화 학습을 사용했습니다.
표면 속성을 변경하면 역학이 변경됩니다.공 운동. 제어 및 드리블(공 운전)을 위해 네 개의 다리로 움직이는 로봇은 내장 센서, 컴퓨터 비전 및 외부 조건을 평가하고 로봇과 공의 궤적을 결정하는 컴퓨팅 시스템을 사용합니다.
가속 학습 연구자용사용된 인공 시뮬레이션 - 자연의 디지털 트윈. 환경의 필수 물리적 매개변수를 다운로드하고 이러한 조건에서 개체의 역학을 시뮬레이션할 수 있습니다. 이 접근 방식을 사용하여 엔지니어는 동시에 4,000개 버전의 로봇을 시뮬레이션하여 이에 따라 동작 개발 속도를 높였습니다. 실제 상황에서의 연습은 이러한 시뮬레이션 후에 시작됩니다.
로봇은 드리블을 몰라도 학습을 시작합니다 -그는 그것을 할 때 보상을 받거나 실수를 할 때 부정적인 강화를 받는다고 개발자들은 설명합니다. 그래서 그는 기본적으로 자신의 다리에 어떤 힘을 가해야 하는지 알아내려고 노력하고 있습니다.
공을 드리블하는 로봇을 가르치고 있습니다. 비디오: MIT CSAIL
연구자들은 대부분이전 개발은 로봇이 달리거나 공을 패스하는 한 가지 작업에만 집중했습니다. 드리블을 배우는 것은 더 복잡하고 환경에 더 의존적입니다. 로봇은 공에 작용하도록 움직임을 조정해야 합니다. 이 경우 공과 환경 간의 상호 작용은 로봇과 풍경 간의 상호 작용과 다를 수 있습니다. 예를 들어 축구공이 잔디와 도로에서 경험하는 마찰은 다르지만 기울어지면 가속이 발생하여 공의 일반적인 궤도가 변경됩니다.
보다 안정적인 로버(바퀴 달린로봇), 네발 로봇은 이론적으로 더 민첩하며 홍수나 지진과 같은 자연 재해가 발생하는 동안 어려운 조건에서 움직일 수 있습니다. 그러나 이러한 기회를 실현하기 위해서는 변화하는 외부 조건에 빠르게 적응할 수 있는 시스템을 만드는 것이 필요합니다.
걷는 로봇을 위한 알고리즘을 개발하는 우리의 목표는 현재 로봇 시스템에서 사용할 수 없는 어려운 환경에서 자율성을 제공하는 것입니다.
Pulkit Agrawal, Massachusetts Institute of Technology의 교수 겸 연구소장
더 읽어보기 :
광합성은 과학자들이 생각한 대로 작동하지 않는다는 것이 밝혀졌습니다. 이제 그들은 그것을 해킹하고 싶어
먼 전파 은하는 지구를 직접 향하는 블랙홀로 밝혀졌습니다.
전문가들은 2100년까지 지구상에 얼마나 많은 사람들이 살게 될지 예측했습니다.