Under det senaste decenniet har forskare flera gånger försökt använda metoder som bygger på
Nu forskare från Aalto University(Finland) och Ote Robotics har presenterat RealAnt, en billig fyrbensrobot som kan användas för att testa och implementera RL-algoritmer. Den nya plattformen är en minimalistisk och prisvärd verklig version av robotsimuleringsmiljön som används i förstärkt inlärningsforskning.
Man trodde ursprungligen att algoritmer skulle vara brafungerar bara om de tränar på simulatorer i tusentals timmar. Men forskarna kunde träna den fyrbenta roboten att gå med en minimal mängd data. Därför kan roboten tränas i en riktig miljö utan träning i simulatorn.
Forskarnas huvudmål var att skapaen enkel och billig robotplattform baserad på befintliga kärnförstärkta inlärningslösningar. En sådan plattform gör det möjligt för fler forskare att bygga och testa autonoma robotar som kan utföra grundläggande uppgifter i den verkliga världen.
RealAnt, den fyrbenta roboten deskapad, är mångsidig, minimalistisk och billig. Han kan självständigt lära sig att gå, röra benen under konsert och känna sin position och orientering i en given miljö. Med hjälp av RL-algoritmer kan en robot utbildas för att utföra enkla men värdefulla uppgifter. Dessutom fokuserar han på miljön kring honom och behöver inte ytterligare data.
Läs också
Hittade det påstådda riket för de försvunna hettiterna. Vad har arkeologer funnit?
Doomsday-glaciären visade sig vara farligare än forskare trodde. Vi berättar det viktigaste
Biologer har räknat ut hur man identifierar vinnande spermier