곡예를 선보이는 로봇은 훌륭한 마케팅 트릭이 될 수 있지만 일반적으로 이러한 디스플레이는 고도로 안무가 잘 짜여져 있고 공들여 프로그래밍되어 있습니다. 이제 연구자들은 실제 상황에서 이전에는 볼 수 없었던 복잡하고 장애물 코스를 다루기 위해 다리가 4개인 AI 로봇을 훈련시켰습니다.

민첩한 로봇을 만드는 것은 현실 세계의 본질적인 복잡성, 로봇이 수집할 수 있는 데이터의 제한된 양, 동적 움직임을 수행하기 위해 결정을 내려야 하는 속도로 인해 어렵습니다.

Boston Dynamics와 같은 회사는 정기적으로 로봇이 다음과 같은 모든 작업을 수행하는 비디오를 공개했습니다. parkour 에 댄스 루틴. 그러나 이러한 업적이 인상적인 만큼 일반적으로 인간은 모든 단계를 힘들게 프로그래밍하거나 고도로 통제된 동일한 환경에서 반복해서 훈련해야 합니다.

이 프로세스는 기술을 현실 세계로 이전하는 능력을 심각하게 제한합니다. 그러나 이제 스위스 취리히 연방공과대학(ETH Zurich)의 연구원들은 기계 학습을 사용하여 로봇 개 ANYmal에게 일련의 기본 기관차 기술을 가르쳤고, 이를 함께 연결하여 실내 및 실외 모두에서 최대 속도로 다양한 도전적인 장애물 코스를 통과할 수 있습니다. 시속 4.5마일까지.

"제안된 접근 방식을 통해 로봇은 전례 없는 민첩성으로 움직일 수 있습니다."라고 연구에 대한 새 논문의 저자는 썼습니다. 과학 로봇. "이제 목표 위치를 향해 사소하지 않은 경로를 선택하면서 큰 장애물을 오르고 점프해야 하는 복잡한 장면에서 진화할 수 있습니다."

[포함 된 콘텐츠]

유연하면서도 유능한 시스템을 만들기 위해 연구원들은 문제를 세 부분으로 나누고 각 부분에 신경망을 할당했습니다. 먼저, 그들은 카메라와 LiDAR로부터 입력을 받아 지형과 그 안의 장애물에 대한 그림을 만드는 데 사용하는 인식 모듈을 만들었습니다.

그들은 이것을 점프, 오르기, 내리기, 웅크리기 등 다양한 종류의 장애물을 통과하는 데 도움이 되도록 설계된 기술 카탈로그를 학습한 이동 모듈과 결합했습니다. 마지막으로, 그들은 이러한 모듈을 일련의 장애물을 통과하는 경로를 도표화하고 이를 해결하기 위해 호출할 기술을 결정할 수 있는 탐색 모듈과 병합했습니다.

“우리는 대부분의 로봇의 표준 소프트웨어를 신경망으로 대체합니다.” 논문 저자 중 한 명이자 Nvidia의 엔지니어이자 ETH Zurich의 박사 과정 학생인 Nikita Rudin은 다음과 같이 말했습니다. 이야기 새로운 과학자. "이를 통해 로봇은 다른 방법으로는 불가능했던 행동을 달성할 수 있습니다."

이번 연구에서 가장 인상적인 측면 중 하나는 로봇이 시뮬레이션을 통해 훈련을 받았다는 사실입니다. 로봇 공학의 주요 병목 현상은 로봇이 학습할 수 있는 충분한 실제 데이터를 수집하는 것입니다. 시뮬레이션을 통해 훨씬 더 빠르게 데이터를 수집하는 데 도움이 됩니다. 많은 가상 로봇을 실제 로봇에서 가능한 것보다 훨씬 더 빠른 속도로 동시에 시험해 볼 수 있습니다.

그러나 단순한 가상 세계와 엄청나게 복잡한 물리적 세계 사이의 피할 수 없는 격차로 인해 시뮬레이션에서 배운 기술을 현실 세계로 전환하는 것은 까다롭습니다. 실내외 모두 보이지 않는 환경에서 자율적으로 작동할 수 있는 로봇 시스템을 훈련시키는 것은 중요한 성과입니다.

훈련 과정은 인간의 시연이 아닌 순전히 강화 학습(효과적인 시행착오)에 의존했기 때문에 연구원들은 각 시나리오에 수동으로 레이블을 지정하는 대신 매우 많은 수의 무작위 시나리오에서 AI 모델을 훈련할 수 있었습니다.

또 다른 인상적인 특징은 모든 것이 외부 컴퓨터에 의존하지 않고 로봇에 설치된 칩에서 실행된다는 점입니다. 연구원들은 다양한 시나리오에 대처할 수 있을 뿐만 아니라 ANYmal이 넘어지거나 미끄러졌을 때 회복하여 장애물 코스를 완주할 수 있음을 보여주었습니다.

연구원들은 시스템의 속도와 적응성을 통해 이러한 방식으로 훈련된 로봇이 언젠가 잔해나 붕괴된 건물과 같이 예측할 수 없고 탐색하기 어려운 환경에서 수색 및 구조 임무에 사용될 수 있음을 암시한다고 말합니다.

그러나 접근 방식에는 한계가 있습니다. 시스템은 크기와 구성이 다양하더라도 특정 종류의 장애물을 처리하도록 훈련되었습니다. 더 비구조화된 환경에서 작동하려면 더 광범위한 기술 팔레트를 개발하기 위해 더 다양한 시나리오에서 훨씬 더 많은 교육이 필요합니다. 그리고 그 훈련은 복잡하고 시간이 많이 걸립니다.

그러나 그럼에도 불구하고 연구 결과는 다음과 같습니다. 로봇이 점점 더 능력을 발휘하고 있다 복잡한 실제 환경에서 작동하는 방법입니다. 이는 그들이 곧 우리 주변에서 훨씬 더 눈에 띄는 존재가 될 수 있음을 시사합니다.

이미지 신용 : ETH 취리히

• SEO 기반 콘텐츠 및 PR 배포. 오늘 증폭하십시오.
• PlatoData.Network 수직 생성 Ai. 자신에게 권한을 부여하십시오. 여기에서 액세스하십시오.
• PlatoAiStream. 웹3 인텔리전스. 지식 증폭. 여기에서 액세스하십시오.
• 플라톤ESG. 탄소, 클린테크, 에너지, 환경, 태양광, 폐기물 관리. 여기에서 액세스하십시오.
• PlatoHealth. 생명 공학 및 임상 시험 인텔리전스. 여기에서 액세스하십시오.
• 출처: https://singularityhub.com/2024/03/14/watch-an-ai-robot-dog-rock-an-agility-course-its-never-seen-before/