Werbung

Google-Forscher verwenden KI, um Robotern beizubringen, sich wie echte Hunde zu bewegen.

Die neuen Roboter haben eine beispiellose Beweglichkeit erhalten.

Google-Forscher haben verwendet künstliche Intelligenz AI, um Robotern beizubringen, wie sie sich mit der Beweglichkeit realer Tiere in diesem Fall Hunde bewegen können. Sie beschreiben ihr Experiment in a Blog veröffentlicht diese Woche.

VERBINDUNG: CASSIE DER ROBOTER ZEIGT AGILE BEWEGUNG IN EINEM NEUEN PROMO-VIDEO AN

Agiles Verhalten

"Zuerst beschreiben wir, wie Roboter agiles Verhalten lernen können, indem sie Bewegungen von echten Tieren imitieren und schnelle und fließende Bewegungen wie Traben und Hüpfen erzeugen. Anschließend diskutieren wir ein System zur Automatisierung des Trainings von Fortbewegungsfähigkeiten in der realen Welt, das dies ermöglichtRoboter lernen, mit minimaler menschlicher Unterstützung selbstständig zu laufen ", teilten Xue Bin Jason Peng, Student Researcher und Sehoon Ha, Research Scientist, Robotics bei Google, im Blog mit.

Sie haben diese beeindruckende Leistung mit etwas namens erreicht Bestärkungslernen RL. Sie begannen damit, einen Referenzbewegungsclip zu nehmen, der von einem Tier aufgenommen wurde, und RL zu verwenden, um den zu erhalten. Roboter um diese Bewegungen nachzuahmen.

"Indem wir dem System verschiedene Referenzbewegungen zur Verfügung stellen, können wir einen Vierbeiner so trainieren, dass er eine Vielzahl von agilen Verhaltensweisen ausführt, die von schnellen Gangarten bis zu dynamischen Sprüngen und Kurven reichen. Die Richtlinien werden hauptsächlich in Simulation und dann trainiertmit einer Technik zur Anpassung des latenten Raums in die reale Welt übertragen, mit der eine Richtlinie mit nur wenigen Minuten Daten vom realen Roboter effizient angepasst werden kann ", schrieben die Forscher in ihrem Blog.

Zufälligkeit

Es ist jedoch eine bekannte Tatsache, dass Simulatoren liefern eine schlechte Annäherung an die reale Welt, was bedeutet, dass Simulationen in der Realität nicht gut funktionieren. Hier entschieden sich die Forscher für eine probeneffiziente Technik zur Anpassung des latenten Raums.

Sie haben dazu ein Element der Zufälligkeit in die in der Simulation verwendeten physikalischen Parameter eingeführt, indem sie physikalische Größen wie Masse und Reibung des Roboters variierten. Dies führte zu a maschinelles Lernen Modell, das alle Arten kleiner Abweichungen und die damit verbundenen Komplikationen berücksichtigen kann.

Werbung

Das Endergebnis ist ein Roboter, der sich mit der gleichen Beweglichkeit wie ein echter Hund bewegt. Diese Art von Arbeit ist von entscheidender Bedeutung, da sie die Möglichkeit eröffnet, Roboter für anspruchsvolle Aufgaben in der realen Welt einzusetzen.

Folgen Sie uns auf

Bleiben Sie über die neuesten technischen Neuigkeiten auf dem Laufenden

Geben Sie einfach Ihre E-Mail-Adresse ein und wir kümmern uns um den Rest :

Mit Ihrer Anmeldung stimmen Sie unserer zu Nutzungsbedingungen und Datenschutzerklärung . Sie können sich jederzeit abmelden.