Отрывок из симулятора, в котором виртуальные роботы учатся подниматься по ступенькам.
Армия из более чем 4000 марширующих роботов, похожих на собак, представляет собой смутно угрожающее зрелище даже в симуляторе. Но это может указать машинам путь к освоению новых трюков.
Виртуальная армия роботов была разработана исследователями из ETH Zurich в Швейцарии и производителем микросхем Nvidia. Они использовали блуждающих ботов для обучения алгоритму, который затем использовался для управления ногами реального робота.
В симуляции машины, называемые ЛЮБЫМИ животными, сталкиваются с такими проблемами, как уклоны, ступеньки и крутые обрывы в виртуальном ландшафте. Каждый раз, когда робот учился управлять проблемой, исследователи предлагали более сложную задачу, подталкивая алгоритм управления к более сложному.
Издалека получающиеся сцены напоминают армию муравьев, извивающуюся по большой территории. Во время обучения роботы достаточно легко научились ходить вверх и вниз по лестнице; более сложные препятствия занимали больше времени. Преодоление склонов оказалось особенно сложным, хотя некоторые виртуальные роботы научились скользить по ним.
Когда полученный алгоритм был перенесен в реальную версию ANYmal, четвероногого робота размером примерно с большую собаку с датчиками на голове и съемной рукой робота, он мог перемещаться по лестницам и блокам, но испытывал проблемы на более высоких скоростях. . Исследователи обвиняли неточность в том, как его датчики воспринимают реальный мир по сравнению с симуляцией.
Подобные виды обучения роботов могут помочь машинам изучать самые разные полезные вещи, от сортировки пакетов до шитья одежды и сбора урожая. Проект также отражает важность моделирования и пользовательских компьютерных микросхем для будущего прогресса в прикладном искусственном интеллекте.
«На высоком уровне очень быстрая симуляция – это действительно отличная вещь», – говорит Питер Аббил, профессор Калифорнийского университета в Беркли и соучредитель Covariant, компании, которая использует ИИ и симуляции для обучения роботов-манипуляторов для сбора и сортировки объектов. логистические фирмы. Он говорит, что швейцарские исследователи и исследователи Nvidia «получили неплохие ускорения».
Искусственный интеллект показал многообещающие возможности для обучения роботов выполнению реальных задач, которые нелегко записать в программное обеспечение или которые требуют некоторой адаптации. Например, способность захватывать неудобные, скользкие или незнакомые предметы нельзя записать в строчки кода.
4000 смоделированных роботов были обучены с использованием обучения с подкреплением – метода искусственного интеллекта, вдохновленного исследованиями того, как животные учатся с помощью положительной и отрицательной обратной связи. Когда роботы двигают ногами, алгоритм оценивает, как это влияет на их способность ходить, и соответствующим образом корректирует алгоритмы управления.
