רובוטים שעושים הישגים של אקרובטיקה עשויים להיות טריק שיווקי נהדר, אבל בדרך כלל תצוגות אלה הן בכוריאוגרפיה גבוהה ומתוכנתות בקפידה. כעת חוקרים אימנו רובוט AI בעל ארבע רגליים להתמודד עם מסלולי מכשולים מורכבים שלא נראו בעבר בתנאים אמיתיים.
יצירת רובוטים זריזים היא מאתגרת בשל המורכבות המובנית של העולם האמיתי, הכמות המוגבלת של נתונים שרובוטים יכולים לאסוף לגביו, והמהירות שבה צריך לקבל החלטות כדי לבצע תנועות דינמיות.
חברות כמו Boston Dynamics פרסמו באופן קבוע סרטונים של הרובוטים שלהם עושים הכל parkour ל שגרות ריקוד. אבל עד כמה שההישגים האלה מרשימים, הם בדרך כלל כרוכים בבני אדם שמתכנתים בקפידה כל שלב או אימון באותן סביבות מבוקרות מאוד שוב ושוב.
תהליך זה מגביל באופן רציני את היכולת להעביר מיומנויות לעולם האמיתי. אבל כעת, חוקרים מ-ETH ציריך בשוויץ השתמשו בלמידת מכונה כדי ללמד את כלב הרובוט שלהם ANYmal חבילה של מיומנויות קטר בסיסיות שאותן יוכל להרכיב כדי להתמודד עם מגוון רחב של מסלולי מכשולים מאתגרים, הן בפנים והן בחוץ, במהירות גבוהה יותר ל-4.5 מייל לשעה.
"הגישה המוצעת מאפשרת לרובוט לנוע בזריזות חסרת תקדים", כותבים מחברי מאמר חדש על המחקר ב מדע רובוטיקה. "עכשיו זה יכול להתפתח בסצנות מורכבות שבהן הוא חייב לטפס ולקפוץ על מכשולים גדולים תוך בחירת נתיב לא טריוויאלי לעבר מיקום היעד שלו."
[תוכן מוטבע]
כדי ליצור מערכת גמישה אך בעלת יכולת, החוקרים פירקו את הבעיה לשלושה חלקים והקצו לכל אחד רשת עצבית. ראשית, הם יצרו מודול תפיסה שלוקח קלט ממצלמות ולידאר ומשתמש בהם כדי לבנות תמונה של השטח וכל המכשולים בו.
הם שילבו את זה עם מודול תנועה שלמד קטלוג של מיומנויות שנועדו לעזור לו לעבור סוגים שונים של מכשולים, כולל קפיצה, טיפוס למעלה, טיפוס מטה וכיפוף. לבסוף, הם מיזגו את המודולים הללו עם מודול ניווט שיוכל לשרטט מסלול דרך שורה של מכשולים ולהחליט אילו כישורים להפעיל כדי לפנות אותם.
"אנחנו מחליפים את התוכנה הסטנדרטית של רוב הרובוטים ברשתות עצביות", ניקיטה רודין, אחת מחברות המאמר, מהנדסת ב-Nvidia וסטודנטית לדוקטורט ב-ETH ציריך, אמר לי מדען חדש. "זה מאפשר לרובוט להשיג התנהגויות שלא היו אפשריות אחרת."
אחד ההיבטים המרשימים ביותר של המחקר הוא העובדה שהרובוט הוכשר בסימולציה. צוואר בקבוק מרכזי ברובוטיקה הוא איסוף מספיק נתונים מהעולם האמיתי כדי שרובוטים יוכלו ללמוד מהם. סימולציות יכולות לעזור באיסוף נתונים הרבה יותר מהר על ידי העברת רובוטים וירטואליים רבים לעבור ניסויים במקביל ובמהירות הרבה יותר גדולה ממה שאפשר עם רובוטים פיזיים.
אבל תרגום מיומנויות שנלמדו בסימולציה לעולם האמיתי הוא מסובך בגלל הפער הבלתי נמנע בין עולמות וירטואליים פשוטים לעולם הפיזי המורכב ביותר. הכשרת מערכת רובוטית שיכולה לפעול באופן אוטונומי בסביבות בלתי נראות הן בפנים והן בחוץ הוא הישג גדול.
תהליך האימון הסתמך אך ורק על למידת חיזוק - למעשה ניסוי וטעייה - במקום הדגמות אנושיות, מה שאיפשר לחוקרים לאמן את מודל הבינה המלאכותית על מספר גדול מאוד של תרחישים אקראיים במקום צורך לתייג כל אחד מהם באופן ידני.
תכונה מרשימה נוספת היא שהכל פועל על שבבים המותקנים ברובוט, במקום להסתמך על מחשבים חיצוניים. בנוסף ליכולת להתמודד עם מגוון תרחישים שונים, החוקרים הראו כי ANYmal יכולה להתאושש מנפילות או החלקות כדי להשלים את מסלול המכשולים.
החוקרים טוענים כי המהירות ויכולת ההסתגלות של המערכת מצביעים על כך שרובוטים מאומנים בדרך זו יוכלו יום אחד לשמש למשימות חיפוש והצלה בסביבות בלתי צפויות וקשות לניווט כמו הריסות ובניינים שקרסו.
אמנם לגישה יש מגבלות. המערכת הוכשרה להתמודד עם סוגים ספציפיים של מכשולים, גם אם הם משתנים בגודל ובתצורה. לגרום לזה לעבוד בסביבות לא מובנות יותר ידרוש הרבה יותר הכשרה בתרחישים מגוונים יותר כדי לפתח פלטת מיומנויות רחבה יותר. והאימון הזה הוא גם מסובך וגם גוזל זמן.
אבל המחקר בכל זאת מעיד על כך רובוטים הופכים להיות מסוגלים יותר ויותר של הפעלה בסביבות מורכבות בעולם האמיתי. זה מרמז שהם יכולים להיות בקרוב נוכחות הרבה יותר גלויה מסביבנו.
תמונת אשראי: המכון הטכנולוגי של ציריך
- הפצת תוכן ויחסי ציבור מופעל על ידי SEO. קבל הגברה היום.
- PlatoData.Network Vertical Generative Ai. העצים את עצמך. גישה כאן.
- PlatoAiStream. Web3 Intelligence. הידע מוגבר. גישה כאן.
- PlatoESG. פחמן, קלינטק, אנרגיה, סביבה, שמש, ניהול פסולת. גישה כאן.
- PlatoHealth. מודיעין ביוטכנולוגיה וניסויים קליניים. גישה כאן.
- מקור: https://singularityhub.com/2024/03/14/watch-an-ai-robot-dog-rock-an-agility-course-its-never-seen-before/
