MIT-ingenieurs gebruikten simulatie van de gebouwde omgeving en versterkend leren om een robot te onderwijzen
Veranderende oppervlakte-eigenschappen veranderen de dynamiekbal beweging. Voor controle en dribbelen (het besturen van de bal) gebruikt de robot, die beweegt met behulp van vier poten, ingebouwde sensoren, computervisie en een computersysteem dat externe omstandigheden evalueert en de banen van de robot en de bal bepaalt.
Voor versneld lerende onderzoekersgebruikte kunstmatige simulatie - een digitale tweeling van de natuur. Hiermee kunt u de noodzakelijke fysieke parameters van de omgeving downloaden en de dynamiek van objecten in dergelijke omstandigheden simuleren. Met deze aanpak simuleerden de ingenieurs 4.000 versies van de robot tegelijkertijd, waardoor de bewegingsontwikkeling dienovereenkomstig werd versneld. Oefenen in reële omstandigheden begint na dergelijke simulaties.
De robot begint te leren zonder te weten hoe hij moet dribbelen -hij krijgt gewoon een beloning als hij het doet, of negatieve bekrachtiging als hij een fout maakt, leggen de ontwikkelaars uit. Dus hij probeert in wezen uit te vinden welke volgorde van krachten hij op zijn benen moet uitoefenen.
Een robot leren een bal te dribbelen. Video: MIT CSAIL
Onderzoekers merken dat het meest opeerdere ontwikkelingen waren gericht op slechts één taak: de robot rent of passt de bal. Leren dribbelen vereist meer complexiteit en is meer afhankelijk van de omgeving. De robot moet zijn beweging aanpassen aan de bal. In dit geval kan de interactie tussen de bal en de omgeving verschillen van de interactie tussen de robot en het landschap. De wrijving die een voetbal ervaart op gras en trottoir is bijvoorbeeld anders, maar kantelen veroorzaakt versnelling, waardoor de typische baan van de bal verandert.
In tegenstelling tot meer stabiele rovers (wielenrobots), zijn vierpotige robots in theorie wendbaarder en kunnen ze zich in moeilijke omstandigheden voortbewegen tijdens een natuurramp, zoals na een overstroming of aardbeving. Maar om deze kansen te realiseren, is het noodzakelijk om een systeem te creëren dat zich snel kan aanpassen aan veranderende externe omstandigheden.
Ons doel bij het ontwikkelen van algoritmen voor lopende robots is om autonomie te bieden in moeilijke omgevingen die momenteel niet beschikbaar zijn voor robotsystemen.
Pulkit Agrawal, professor en hoofd van het laboratorium aan het Massachusetts Institute of Technology
Lees verder:
Het bleek dat fotosynthese niet werkt zoals wetenschappers dachten. Nu willen ze het hacken
Een verre radiomelkweg bleek een zwart gat te zijn, dat rechtstreeks op de aarde is gericht
Experts hebben voorspeld hoeveel mensen er tegen 2100 op aarde zullen leven