Inżynierowie z MIT wykorzystali symulację środowiska zbudowanego i uczenie się przez wzmacnianie, aby uczyć robota
Zmiana właściwości powierzchni zmienia dynamikęruch piłki. Do sterowania i dryblingu (prowadzenia piłki) robot, poruszając się za pomocą czterech nóg, wykorzystuje wbudowane czujniki, widzenie komputerowe oraz system obliczeniowy oceniający warunki zewnętrzne i wyznaczający trajektorie ruchu robota i piłki.
Dla naukowców zajmujących się przyspieszonym uczeniemwykorzystał sztuczną symulację – cyfrowego bliźniaka natury. Pozwala na pobranie niezbędnych parametrów fizycznych środowiska oraz symulację dynamiki obiektów w takich warunkach. Wykorzystując to podejście, inżynierowie symulowali jednocześnie 4000 wersji robota, odpowiednio przyspieszając rozwój ruchu. Po takich symulacjach zaczyna się praktyka w rzeczywistych warunkach.
Robot zaczyna się uczyć, nie wiedząc, jak dryblować -po prostu otrzymuje nagrodę, gdy to zrobi, lub negatywne wzmocnienie, gdy popełni błąd, wyjaśniają twórcy. Tak więc zasadniczo próbuje dowiedzieć się, jaką sekwencję sił powinien zastosować do swoich nóg.
Uczenie robota kozłowania piłki. Wideo: MIT CSAIL
Naukowcy zauważają, że większośćpoprzednie rozwiązania koncentrowały się tylko na jednym zadaniu: robot biegnie lub podaje piłkę. Nauka dryblingu wymaga większej złożoności i jest bardziej zależna od środowiska. Robot musi dostosować swój ruch do działania na piłkę. W takim przypadku interakcja między piłką a otoczeniem może różnić się od interakcji między robotem a krajobrazem. Na przykład tarcie piłki nożnej na trawie i chodniku jest inne, ale przechylenie spowoduje przyspieszenie, zmieniając typową trajektorię piłki.
W przeciwieństwie do bardziej stabilnych łazików (kołowychroboty), czworonożne roboty są teoretycznie bardziej zwinne i mogą poruszać się w trudnych warunkach podczas klęski żywiołowej, takiej jak powodzi czy trzęsienie ziemi. Aby jednak te możliwości zrealizować, konieczne jest stworzenie systemu, który potrafi szybko dostosowywać się do zmieniających się warunków zewnętrznych.
Naszym celem przy opracowywaniu algorytmów dla robotów kroczących jest zapewnienie autonomii w trudnych środowiskach, które obecnie nie są dostępne dla systemów robotycznych.
Pulkit Agrawal, profesor i kierownik laboratorium w Massachusetts Institute of Technology
Czytaj więcej:
Okazało się, że fotosynteza nie przebiega tak, jak myśleli naukowcy. Teraz chcą go zhakować
Odległa galaktyka radiowa okazała się czarną dziurą, która jest skierowana bezpośrednio na Ziemię
Eksperci przewidzieli, ilu ludzi będzie żyło na Ziemi do 2100 roku