En billig robot har dukket opp som lærer på grunn av interaksjon med miljøet

I løpet av det siste tiåret har forskere flere ganger forsøkt å bruke tilnærminger basert på

forsterket læring (RL) - for eksempel undervistroboter til å navigere i ethvert miljø og utføre grunnleggende oppgaver. Men så langt har de ikke klart å lage rimelige enheter som kan kontrollere forskningsanlegg.

Nå forskere fra Aalto University(Finland) og Ote Robotics har avduket RealAnt, en billig firbente robot som kan brukes til å teste og implementere RL-algoritmer. Den nye plattformen er en minimalistisk og rimelig versjon av robotsimuleringsmiljøet som brukes i forsterket læringsforskning.

Det ble opprinnelig antatt at algoritmer ville gjøre det brafungerer bare hvis de trener på simulatorer i tusenvis av timer. Forskerne klarte imidlertid å trene den firbente roboten til å gå ved hjelp av en minimal mengde data. Derfor kan roboten trenes i et reelt miljø, uten trening i simulatoren.

Hovedmålet til forskerne var å skapeen enkel og billig robotplattform basert på eksisterende kjerneforsterkede læringsløsninger. En slik plattform vil tillate flere forskere å bygge og teste autonome roboter som er i stand til å utføre grunnleggende oppgaver i den virkelige verden.

RealAnt, den firbente roboten deskapt, er allsidig, minimalistisk og billig. Han kan selvstendig lære å gå, bevege beina under konsert, og kan føle sin posisjon og orientering i et gitt miljø. Ved hjelp av RL-algoritmer kan en robot trent til å utføre enkle, men verdifulle oppgaver. Dessuten fokuserer han på miljøet rundt seg og trenger ikke ytterligere data.

Les også

Fant det påståtte riket til de forsvunne hetittene. Hva har arkeologer funnet?

Dommedagsbreen viste seg å være farligere enn forskere trodde. Vi forteller det viktigste

Biologer har funnet ut hvordan man kan identifisere vinnende sædceller