Akrobasi becerileri sergileyen robotlar harika bir pazarlama hilesi olabilir, ancak genellikle bu gösteriler oldukça koreografiye tabi tutulur ve titizlikle programlanır. Artık araştırmacılar, gerçek dünya koşullarında karmaşık, daha önce görülmemiş engelli parkurların üstesinden gelmek için dört ayaklı bir yapay zeka robotu eğittiler.

Çevik robotlar yaratmak, gerçek dünyanın doğasında olan karmaşıklık, robotların bu konuda toplayabileceği sınırlı miktarda veri ve dinamik hareketleri gerçekleştirmek için kararların alınması gereken hız nedeniyle zordur.

Boston Dynamics gibi şirketler düzenli olarak robotlarının her şeyi yaptığı videoları yayınladı. Parkour için dans rutinleri. Ancak bu beceriler ne kadar etkileyici olsa da, genellikle insanların her adımı titizlikle programlamasını veya aynı yüksek düzeyde kontrol edilen ortamlarda tekrar tekrar eğitim almasını içerir.

Bu süreç, becerilerin gerçek dünyaya aktarılma yeteneğini ciddi şekilde sınırlıyor. Ancak şimdi, İsviçre'deki ETH Zürih'ten araştırmacılar, robot köpekleri ANYmal'e bir takım temel lokomotif becerileri öğretmek için makine öğrenimini kullandılar; bu beceriler daha sonra hem iç hem de dış mekanlarda çok çeşitli zorlu engelli parkurların üstesinden gelmek için bir araya getirilebiliyor. saatte 4.5 mile kadar.

Araştırmayla ilgili yeni bir makalenin yazarları, "Önerilen yaklaşım, robotun benzeri görülmemiş bir çeviklikle hareket etmesine olanak tanıyor" diye yazıyor. Bilim Robotik. "Artık hedef konumuna doğru önemsiz olmayan bir yol seçerken büyük engellere tırmanması ve atlaması gereken karmaşık sahnelerde gelişebilir."

[Gömülü içerik]

Esnek ama yetenekli bir sistem yaratmak için araştırmacılar sorunu üç parçaya böldüler ve her birine bir sinir ağı atadılar. İlk olarak, kameralardan ve lidardan girdi alan ve bunları arazinin ve içindeki engellerin resmini oluşturmak için kullanan bir algı modülü oluşturdular.

Bunu, atlama, tırmanma, aşağı tırmanma ve çömelme dahil olmak üzere farklı türdeki engelleri aşmasına yardımcı olmak için tasarlanmış bir beceri kataloğunu öğrenen bir hareket modülü ile birleştirdiler. Son olarak bu modülleri, bir dizi engel üzerinden rota çizebilen ve bunları temizlemek için hangi becerilerin devreye sokulacağına karar verebilen bir navigasyon modülüyle birleştirdiler.

Makalenin yazarlarından biri, Nvidia'da mühendis ve ETH Zürih'te doktora öğrencisi olan Nikita Rudin, "Çoğu robotun standart yazılımını sinir ağlarıyla değiştiriyoruz" diyor. söyledi New Scientist. "Bu, robotun başka türlü mümkün olmayan davranışları elde etmesine olanak tanıyor."

Araştırmanın en etkileyici yönlerinden biri de robotun simülasyon konusunda eğitilmiş olması. Robotikteki büyük bir darboğaz, robotların öğrenebileceği yeterli miktarda gerçek dünya verisi toplamaktır. Simülasyonlar şunları yapabilir: Verilerin çok daha hızlı toplanmasına yardımcı olun Birçok sanal robotu paralel olarak ve fiziksel robotlarla mümkün olandan çok daha hızlı denemelerden geçirerek.

Ancak simülasyonda öğrenilen becerilerin gerçek dünyaya dönüştürülmesi, basit sanal dünyalar ile son derece karmaşık fiziksel dünya arasındaki kaçınılmaz uçurum nedeniyle zordur. Hem iç hem de dış mekanlarda görülmeyen ortamlarda otonom olarak çalışabilen bir robotik sistemin eğitilmesi büyük bir başarıdır.

Eğitim süreci, insan gösterileri yerine tamamen takviyeli öğrenmeye (etkili bir şekilde deneme yanılma) dayanıyordu; bu da araştırmacıların, her birini manuel olarak etiketlemek yerine yapay zeka modelini çok sayıda rastgele senaryo üzerinde eğitmesine olanak tanıdı.

Bir diğer etkileyici özellik ise her şeyin harici bilgisayarlara bağlı olmak yerine robota takılı çipler üzerinde çalışmasıdır. Araştırmacılar, çeşitli farklı senaryolarla başa çıkabilmenin yanı sıra, ANYmal'in düşme veya kayma durumlarını atlatıp engelli parkuru tamamlayabildiğini de gösterdi.

Araştırmacılar, sistemin hızı ve uyarlanabilirliğinin, bu şekilde eğitilen robotların bir gün moloz ve çökmüş binalar gibi öngörülemeyen, gezinmesi zor ortamlarda arama ve kurtarma görevlerinde kullanılabileceğini gösterdiğini söylüyor.

Ancak yaklaşımın sınırlamaları var. Sistem, boyutları ve konfigürasyonları farklılık gösterse bile belirli türden engellerle başa çıkmak üzere eğitildi. Daha yapılandırılmamış ortamlarda çalışmaya başlamak, daha geniş bir beceri paleti geliştirmek için daha çeşitli senaryolarda çok daha fazla eğitim gerektirecektir. Ve bu eğitim hem karmaşık hem de zaman alıcıdır.

Ancak araştırma yine de şunu gösteriyor: robotlar giderek daha yetenekli hale geliyor karmaşık, gerçek dünya ortamlarında faaliyet gösterme. Bu, yakında etrafımızda çok daha görünür bir varlık olabileceklerini gösteriyor.

Resim Kredi: ETH Zürih

• SEO Destekli İçerik ve Halkla İlişkiler Dağıtımı. Bugün Gücünüzü Artırın.
• PlatoData.Network Dikey Üretken Yapay Zeka. Kendine güç ver. Buradan Erişin.
• PlatoAiStream. Web3 Zekası. Bilgi Genişletildi. Buradan Erişin.
• PlatoESG. karbon, temiz teknoloji, Enerji, Çevre, Güneş, Atık Yönetimi. Buradan Erişin.
• PlatoSağlık. Biyoteknoloji ve Klinik Araştırmalar Zekası. Buradan Erişin.
• Kaynak: https://singularityhub.com/2024/03/14/watch-an-ai-robot-dog-rock-an-agility-course-its-never-seen-before/