För att robotiserade mekanism lärt sig att gå, kan du inte bara “kopplar” till det ett par fötter. Utbildning rörelsen är en mycket komplex process som kräver att utvecklarna en hel del tid. Men nu är den här frågan kommer att lösa artificiell intelligens, eftersom den grupp av experter som hade skapat en universell algoritmer som hjälper AI lärande robotar någon konfiguration för att flytta. Mänskligt ingripande i denna process krävs inte.
Utvecklingen är ett team av forskare från University of California i Berkeley och den grupp av experter Google Hjärnan, en av de avdelningar av Google på artificiell intelligens. Deras nya system har tränat fyrbenta robot för att korsa den terräng som bekant och obekant.
“Djupt reinforcement learning kan användas för att automatisera ett antal uppgifter. Om vi kan lära roboten gång från början i den verkliga världen, vi kan skapa styrsystem som är perfekt anpassad till varje robot, och även till enskilda landskap, så att du kan uppnå bästa manöverbarhet och pålitlighet.” — sade forskarna.
Inlärning är i grunden en metod av morötter och piskor som är skräddarsydda för AI. Den använder en belöning eller en bestraffning i att uppnå eller inte nå målen.
“Djup-inlärning är allmänt används för utbildning av AI, och även för överföring av data till den riktiga robotar, men det är ofrånkomligt att detta innebär en viss prestanda förlust på grund av inkonsekvenser i modellering och kräver aktivt ingripande. Användningen av sådana algoritmer i realtid var en svår uppgift.”
I djurförsök har forskarna använt sig av roboten Minitaur. De har utvecklat ett system som består av en arbetsstation som är uppdaterade uppgifter av det neurala nätverket, hämtas information i Minitaur och lossas tillbaka. Chip NVIDIA Jetson TX2 Ombord på roboten var ansvarig för bearbetning av information. Roboten gick i 2 timmar och gjort 160 000 steg. Under denna tid, den algoritm som är givande roboten för att flytta framåt och blev straffad om han var fast på plats eller har gjort en mycket stor rulla till sidan. I slutet, skapades en rörelse algoritm som får roboten att välja den optimala banan.
“Så vitt vi vet, är detta experiment är det första exemplet på tillämpning av inlärning, som gör att du kan lära roboten att gå.”
Ännu mer intressant och exklusiva nyheter om ämnet av AI och en hög teknologi kan du läsa på vår news channel i Yandex.Zen.