AI

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

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



We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.

Google-Forscher haben mithilfe künstlicher Intelligenz (KI) Robotern beigebracht, wie sie sich mit der Beweglichkeit realer Tiere (in diesem Fall Hunde) bewegen können. Sie beschreiben ihr Experiment in einem Blog, der diese Woche veröffentlicht wurde.

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

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 es Robotern ermöglicht lernen, mit minimaler menschlicher Unterstützung selbstständig zu gehen ", teilten Xue Bin (Jason) Peng, Student Researcher und Sehoon Ha, Research Scientist, Robotics bei Google, mit.

Sie erreichten diese beeindruckende Leistung mit dem sogenannten Verstärkungslernen (RL). Sie begannen damit, einen von einem Tier aufgenommenen Referenzbewegungsclip aufzunehmen und RL zu verwenden, um den Roboter dazu zu bringen, 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 der Simulation geschult und dann auf übertragen Die reale Welt verwendet eine Technik zur Anpassung des latenten Raums, mit der eine Richtlinie mit nur wenigen Minuten Daten des realen Roboters effizient angepasst werden kann ", schrieben die Forscher in ihrem Blog.

Zufälligkeit

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

Dazu haben sie den in der Simulation verwendeten physikalischen Parametern ein zufälliges Element hinzugefügt, indem sie physikalische Größen wie Masse und Reibung des Roboters variierten. Dies führte zu einem Modell des maschinellen Lernens, das alle Arten kleiner Abweichungen und die damit verbundenen Komplikationen berücksichtigen konnte.

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.


Schau das Video: Killer-Roboter: Töten ohne Gewissen? Monitor. Das Erste. WDR (August 2022).