Los robots que realizan hazañas de acrobacia pueden ser un gran truco de marketing, pero normalmente estas exhibiciones están altamente coreografiadas y minuciosamente programadas. Ahora los investigadores han entrenado un robot de inteligencia artificial de cuatro patas para abordar pistas de obstáculos complejas y nunca antes vistas en condiciones del mundo real.
Crear robots ágiles es un desafío debido a la complejidad inherente del mundo real, la cantidad limitada de datos que los robots pueden recopilar sobre él y la velocidad a la que se deben tomar decisiones para llevar a cabo movimientos dinámicos.
Empresas como Boston Dynamics publican periódicamente vídeos de sus robots haciendo de todo, desde parkour a rutinas de baile. Pero por muy impresionantes que sean estas hazañas, normalmente implican que los humanos programen minuciosamente cada paso o entrenen en los mismos entornos altamente controlados una y otra vez.
Este proceso limita seriamente la capacidad de transferir habilidades al mundo real. Pero ahora, investigadores de ETH Zurich en Suiza han utilizado el aprendizaje automático para enseñarle a su perro robot ANYmal un conjunto de habilidades locomotoras básicas que luego puede unir para enfrentar una amplia variedad de carreras de obstáculos desafiantes, tanto en interiores como en exteriores, a velocidades de hasta a 4.5 millas por hora.
"El enfoque propuesto permite que el robot se mueva con una agilidad sin precedentes", escriben los autores de un nuevo artículo sobre la investigación en Robótica Ciencia. "Ahora puede evolucionar en escenas complejas en las que debe escalar y saltar sobre grandes obstáculos mientras selecciona un camino no trivial hacia su ubicación objetivo".
[Contenido incrustado]
Para crear un sistema flexible pero capaz, los investigadores dividieron el problema en tres partes y asignaron una red neuronal a cada una. Primero, crearon un módulo de percepción que recibe información de cámaras y lidar y los utiliza para crear una imagen del terreno y cualquier obstáculo que se encuentre en él.
Combinaron esto con un módulo de locomoción que había aprendido un catálogo de habilidades diseñadas para ayudarlo a atravesar diferentes tipos de obstáculos, incluidos saltar, subir, bajar y agacharse. Finalmente, fusionaron estos módulos con un módulo de navegación que podía trazar un rumbo a través de una serie de obstáculos y decidir qué habilidades invocar para superarlos.
"Reemplazamos el software estándar de la mayoría de los robots con redes neuronales", dijo Nikita Rudin, una de las autoras del artículo, ingeniera de Nvidia y estudiante de doctorado en ETH Zurich. les dijo a New Scientist. "Esto permite al robot lograr comportamientos que de otro modo no serían posibles".
Uno de los aspectos más impresionantes de la investigación es el hecho de que el robot fue entrenado en simulación. Un importante obstáculo en la robótica es la recopilación de suficientes datos del mundo real para que los robots puedan aprender. Las simulaciones pueden ayudar a recopilar datos mucho más rápidamente poniendo a prueba muchos robots virtuales en paralelo y a una velocidad mucho mayor de la que es posible con los robots físicos.
Pero traducir las habilidades aprendidas en la simulación al mundo real es complicado debido a la brecha inevitable entre los mundos virtuales simples y el mundo físico enormemente complejo. Entrenar un sistema robótico que pueda funcionar de forma autónoma en entornos invisibles, tanto en interiores como en exteriores, es un gran logro.
El proceso de entrenamiento se basó exclusivamente en el aprendizaje por refuerzo (efectivamente, prueba y error) en lugar de demostraciones humanas, lo que permitió a los investigadores entrenar el modelo de IA en una gran cantidad de escenarios aleatorios en lugar de tener que etiquetar cada uno manualmente.
Otra característica impresionante es que todo funciona con chips instalados en el robot, en lugar de depender de computadoras externas. Y además de poder afrontar una variedad de escenarios diferentes, los investigadores demostraron que ANYmal podía recuperarse de caídas o resbalones para completar la carrera de obstáculos.
Los investigadores dicen que la velocidad y adaptabilidad del sistema sugieren que los robots entrenados de esta manera algún día podrían usarse para misiones de búsqueda y rescate en entornos impredecibles y difíciles de navegar, como escombros y edificios derrumbados.
Sin embargo, el enfoque tiene limitaciones. El sistema fue entrenado para enfrentar tipos específicos de obstáculos, incluso si variaban en tamaño y configuración. Lograr que funcione en entornos menos estructurados requeriría mucha más capacitación en escenarios más diversos para desarrollar una paleta más amplia de habilidades. Y esa formación es complicada y requiere mucho tiempo.
Pero la investigación es, no obstante, una indicación de que Los robots son cada vez más capaces. de operar en entornos complejos del mundo real. Eso sugiere que pronto podrían tener una presencia mucho más visible a nuestro alrededor.
Crédito de la imagen: ETH Zurich
- Distribución de relaciones públicas y contenido potenciado por SEO. Consiga amplificado hoy.
- PlatoData.Network Vertical Generativo Ai. Empodérate. Accede Aquí.
- PlatoAiStream. Inteligencia Web3. Conocimiento amplificado. Accede Aquí.
- PlatoESG. Carbón, tecnología limpia, Energía, Ambiente, Solar, Gestión de residuos. Accede Aquí.
- PlatoSalud. Inteligencia en Biotecnología y Ensayos Clínicos. Accede Aquí.
- Fuente: https://singularityhub.com/2024/03/14/watch-an-ai-robot-dog-rock-an-agility-course-its-never-seen-before/
