De afgelopen tien jaar hebben onderzoekers verschillende keren geprobeerd benaderingen te gebruiken die gebaseerd zijn op
Nu onderzoekers van Aalto University(Finland) en Ote Robotics hebben RealAnt onthuld, een goedkope vierpotige robot die kan worden gebruikt om RL-algoritmen te testen en te implementeren. Het nieuwe platform is een minimalistische en betaalbare real-world versie van de robotsimulatieomgeving die wordt gebruikt in versterkt leeronderzoek.
Oorspronkelijk werd gedacht dat algoritmen goed zouden zijnwerken alleen als ze duizenden uren op simulatoren trainen. De onderzoekers waren echter in staat om de vierpotige robot te leren lopen met een minimale hoeveelheid data. Daarom kan de robot in een echte omgeving worden getraind, zonder training in de simulator.
Het belangrijkste doel van de onderzoekers was om te creëreneen eenvoudig en goedkoop robotplatform op basis van bestaande kernondersteunende leeroplossingen. Met zo'n platform kunnen meer onderzoekers autonome robots bouwen en testen die in staat zijn om basistaken in de echte wereld uit te voeren.
RealAnt, четырехногий робот, которого они gemaakt, is veelzijdig, minimalistisch en goedkoop. Hij kan zelfstandig leren lopen, zijn benen tegelijk bewegen en kan zijn positie en oriëntatie in een bepaalde omgeving voelen. Met behulp van RL-algoritmen kan een robot worden getraind om eenvoudige maar waardevolle taken uit te voeren. Bovendien focust hij hiervoor op de omgeving om hem heen en heeft hij geen aanvullende gegevens nodig.
Lees ook
Vond het vermeende koninkrijk van de verdwenen Hettieten. Wat hebben archeologen gevonden?
De Doomsday-gletsjer bleek gevaarlijker te zijn dan wetenschappers dachten. We vertellen het belangrijkste
Biologen hebben ontdekt hoe ze winnend sperma kunnen identificeren