Robot thực hiện các màn nhào lộn có thể là một thủ thuật tiếp thị tuyệt vời, nhưng thông thường những màn trình diễn này được dàn dựng và lập trình tỉ mỉ. Giờ đây, các nhà nghiên cứu đã huấn luyện một robot AI bốn chân để giải quyết các chướng ngại vật phức tạp, chưa từng thấy trước đây trong điều kiện thực tế.

Việc tạo ra các rô-bốt nhanh nhẹn là một thách thức do tính phức tạp vốn có của thế giới thực, lượng dữ liệu hạn chế mà rô-bốt có thể thu thập về nó và tốc độ đưa ra quyết định để thực hiện các chuyển động động.

Các công ty như Boston Dynamics thường xuyên phát hành các video về robot của họ làm mọi việc từ Parkour đến thói quen khiêu vũ. Nhưng ấn tượng như những thành tựu này, chúng thường liên quan đến việc con người lập trình tỉ mỉ từng bước hoặc đào tạo lặp đi lặp lại trên cùng một môi trường được kiểm soát chặt chẽ.

Quá trình này hạn chế nghiêm trọng khả năng chuyển giao kỹ năng sang thế giới thực. Nhưng giờ đây, các nhà nghiên cứu từ ETH Zurich ở Thụy Sĩ đã sử dụng máy học để dạy cho chú chó robot BẤT KỲmal của họ một bộ kỹ năng vận hành cơ bản mà sau đó nó có thể kết hợp lại với nhau để giải quyết nhiều loại chướng ngại vật đầy thử thách, cả trong nhà và ngoài trời, với tốc độ nhanh hơn. đến 4.5 dặm một giờ.

Các tác giả của một bài báo mới về nghiên cứu trong Khoa học Robot. “Giờ đây nó có thể phát triển trong những cảnh phức tạp, nơi nó phải trèo và nhảy qua những chướng ngại vật lớn trong khi chọn một con đường không hề tầm thường để đến vị trí mục tiêu.”

[Nhúng nội dung]

Để tạo ra một hệ thống linh hoạt nhưng có khả năng hoạt động tốt, các nhà nghiên cứu đã chia vấn đề thành ba phần và gán một mạng lưới thần kinh cho mỗi phần. Đầu tiên, họ tạo ra một mô-đun nhận thức lấy thông tin đầu vào từ camera và lidar rồi sử dụng chúng để xây dựng hình ảnh về địa hình cũng như mọi chướng ngại vật trong đó.

Họ kết hợp điều này với một mô-đun vận động đã học được một danh mục các kỹ năng được thiết kế để giúp nó vượt qua các loại chướng ngại vật khác nhau, bao gồm nhảy, leo lên, trèo xuống và cúi xuống. Cuối cùng, họ đã hợp nhất các mô-đun này với một mô-đun điều hướng có thể vạch ra lộ trình vượt qua một loạt chướng ngại vật và quyết định những kỹ năng nào cần sử dụng để vượt qua chúng.

Nikita Rudin, một trong những tác giả của bài báo, kỹ sư tại Nvidia và nghiên cứu sinh tiến sĩ tại ETH Zurich, cho biết: “Chúng tôi thay thế phần mềm tiêu chuẩn của hầu hết robot bằng mạng lưới thần kinh”. nói với New Scientist. “Điều này cho phép robot đạt được những hành vi không thể thực hiện được.”

Một trong những khía cạnh ấn tượng nhất của nghiên cứu là việc robot được huấn luyện mô phỏng. Một nút thắt lớn trong chế tạo robot là thu thập đủ dữ liệu trong thế giới thực để robot học hỏi. Mô phỏng có thể giúp thu thập dữ liệu nhanh hơn nhiều bằng cách đưa nhiều robot ảo vào các cuộc thử nghiệm song song và ở tốc độ lớn hơn nhiều so với khả năng của robot vật lý.

Tuy nhiên, việc chuyển các kỹ năng học được trong mô phỏng sang thế giới thực rất khó khăn do khoảng cách không thể tránh khỏi giữa thế giới ảo đơn giản và thế giới vật lý cực kỳ phức tạp. Việc đào tạo một hệ thống robot có thể hoạt động tự động trong môi trường vô hình cả trong nhà và ngoài trời là một thành tựu lớn.

Quá trình đào tạo hoàn toàn dựa vào việc học tăng cường—thử và sai một cách hiệu quả—thay vì trình diễn của con người, điều này cho phép các nhà nghiên cứu huấn luyện mô hình AI trên một số lượng rất lớn các tình huống ngẫu nhiên thay vì phải gắn nhãn cho từng tình huống một cách thủ công.

Một tính năng ấn tượng khác là mọi thứ đều chạy trên chip được cài đặt trong robot, thay vì dựa vào máy tính bên ngoài. Và ngoài khả năng giải quyết nhiều tình huống khác nhau, các nhà nghiên cứu còn cho thấy ANYmal có thể phục hồi sau khi bị ngã hoặc trượt để hoàn thành chặng vượt chướng ngại vật.

Các nhà nghiên cứu cho biết tốc độ và khả năng thích ứng của hệ thống cho thấy các robot được huấn luyện theo cách này một ngày nào đó có thể được sử dụng cho các nhiệm vụ tìm kiếm và cứu hộ trong những môi trường không thể đoán trước, khó điều hướng như đống đổ nát và các tòa nhà bị sập.

Cách tiếp cận này có những hạn chế mặc dù. Hệ thống được đào tạo để đối phó với các loại chướng ngại vật cụ thể, ngay cả khi chúng có kích thước và cấu hình khác nhau. Để nó hoạt động trong những môi trường không có cấu trúc hơn sẽ cần được đào tạo nhiều hơn trong các tình huống đa dạng hơn để phát triển bảng kỹ năng rộng hơn. Và việc đào tạo đó vừa phức tạp vừa tốn thời gian.

Tuy nhiên, nghiên cứu này dù sao cũng là một dấu hiệu cho thấy robot ngày càng có khả năng hoạt động trong môi trường thực tế phức tạp. Điều đó cho thấy chúng có thể sớm hiện diện rõ ràng hơn nhiều xung quanh chúng ta.

Ảnh: ETH Zurich

• Phân phối nội dung và PR được hỗ trợ bởi SEO. Được khuếch đại ngay hôm nay.
• PlatoData.Network Vertical Generative Ai. Trao quyền cho chính mình. Truy cập Tại đây.
• PlatoAiStream. Thông minh Web3. Kiến thức khuếch đại. Truy cập Tại đây.
• Trung tâmESG. Than đá, công nghệ sạch, Năng lượng, Môi trường Hệ mặt trời, Quản lý chất thải. Truy cập Tại đây.
• PlatoSức khỏe. Tình báo thử nghiệm lâm sàng và công nghệ sinh học. Truy cập Tại đây.
• nguồn: https://singularityhub.com/2024/03/14/watch-an-ai-robot-dog-rock-an-agility-course-its-never-seen-before/