MIT-ingenjörer använde byggd miljösimulering och förstärkningsinlärning för att lära ut en robot
Ändring av ytegenskaper förändrar dynamikenbollrörelse. För kontroll och dribbling (driva bollen) använder roboten, som rör sig med hjälp av fyra ben, inbyggda sensorer, datorseende och ett datorsystem som utvärderar yttre förhållanden och bestämmer robotens och bollens banor.
För forskare med accelererat lärandeanvänd artificiell simulering - en digital tvilling av naturen. Det låter dig ladda ner de nödvändiga fysiska parametrarna för miljön och simulera dynamiken hos objekt under sådana förhållanden. Med detta tillvägagångssätt simulerade ingenjörerna 4 000 versioner av roboten samtidigt, vilket påskyndade rörelseutvecklingen därefter. Övning under verkliga förhållanden börjar efter sådana simuleringar.
Roboten börjar lära sig utan att veta hur den ska dribbla -han får bara en belöning när han gör det, eller negativ förstärkning när han gör ett misstag, förklarar utvecklarna. Så han försöker i huvudsak ta reda på vilken sekvens av krafter han ska applicera på sina ben.
Att lära en robot att dribbla en boll. Video: MIT CSAIL
Forskare konstaterar att de flestatidigare utveckling fokuserade på endast en uppgift: roboten antingen springer eller skickar bollen. Att lära sig dribbla kräver mer komplexitet och är mer beroende av omgivningen. Roboten måste anpassa sin rörelse för att agera på bollen. I det här fallet kan interaktionen mellan bollen och miljön skilja sig från interaktionen mellan roboten och landskapet. Till exempel är friktionen som en fotboll kommer att uppleva på gräs och trottoar annorlunda, men lutningen kommer att orsaka acceleration, vilket förändrar bollens typiska bana.
Till skillnad från mer stabila rovers (hjuligarobotar), fyrbenta robotar är teoretiskt mer smidiga och kan röra sig under svåra förhållanden under en naturkatastrof, till exempel efter en översvämning eller jordbävning. Men för att förverkliga dessa möjligheter är det nödvändigt att skapa ett system som snabbt kan anpassa sig till förändrade yttre förutsättningar.
Vårt mål med att utveckla algoritmer för gående robotar är att ge autonomi i svåra miljöer som för närvarande inte är tillgängliga för robotsystem.
Pulkit Agrawal, professor och laboratoriechef vid Massachusetts Institute of Technology
Läs mer:
Det visade sig att fotosyntesen inte fungerar som forskarna trodde. Nu vill de hacka den
Avlägsen radiogalax visade sig vara ett svart hål, som är riktat direkt mot jorden
Experter har förutspått hur många människor som kommer att leva på jorden år 2100