У ANYmal нелегкая жизнь. Одна из основных задач четвероногого робота - научиться снова вставать - независимо от того, сколько раз его пинали, толкали или иным образом падали на землю. Исследовательская группа из швейцарского ETH Zurich University обучила ЛЮБОМУ с помощью обучения с подкреплением (RL) и опубликовала свою работу в прошлую среду.
RL обычно ограничивается приложениями в моделировании, и его редко можно увидеть в реальных робототехнических системах. ANYmal - первопроходец в этом отношении и привлек огромное внимание сообщества AI.
Упс, я упал
Исследователи разработали ANYmal как четвероногого робота для автономной работы в сложных условиях. В прошлом году компания ANYmal выполнила свои первые миссии, осмотрев обширную канализационную систему Цюриха и посетив одну из крупнейших в мире морских конвертерных платформ в Северном море, где она тщательно изучила различные участки платформы, недоступные для людей. Демонстрация доставки и танцевальные движения 30-килограммового робота, похожего на собаку, вызвали очень положительный отклик на недавней выставке CES 2019 в Лас-Вегасе.
Разработка роботов на ногах - сложная задача отчасти потому, что люди просто еще не поняли, как точно создавать реалистичные движения животных. Исследовательская группа решила использовать обучение с подкреплением для повышения производительности ANYmal, поскольку RL требует небольшого мастерства.
Однако обучение с настоящими роботами сложно и дорого, особенно при работе с системами динамической балансировки. Исследователи ETH решили обучить нейронную сеть моделированию, а затем передать ее в ANYmal: «Моделирование - это быстро, дешево и безопасно. Наша платформа моделирования может моделировать более 2000 ЛЮБЫХ объектов в реальном времени на обычном настольном компьютере. В моделировании данные дешевы и доступны в большом количестве ». Тренировки были направлены на повышение скорости бега ANYmal, а также его навыков и скорости восстановления после падений.
Восстановление после падения с помощью RL
Исследователи ETH заявляют, что самым большим недостатком симуляций является то, что они не могут точно уловить динамику сложных роботов, и поэтому обучение только в симуляции «обычно терпит неудачу». Команда решила, что система нейронной сети может помочь роботу учиться и адаптироваться. Они разделили динамику робота на три основные части: управляющий компьютер, привод и механику, и обучили нейронную сеть, представляющую эту сложную динамику, с данными реального робота.
Использование RL в моделировании позволило диспетчерам эффективно учиться непосредственно на опыте, преодолевая ограничения предыдущих подходов, основанных на моделях. Исследователи объяснили, что этот процесс «полностью автоматизирован и может оптимизировать работу контроллера от начала до конца, от показаний датчиков до управляющих сигналов низкого уровня, что позволяет создавать очень маневренные и эффективные контроллеры». Обучение с помощью моделирования также снизило затраты и расширило возможности разработки в реальном времени.
ANYmal - не единственный робот с искусственным интеллектом, похожий на собаку, на сцене. SpotMini из Boston Dynamics также может танцевать под музыку и восстанавливать равновесие после падения. Но в отличие от SpotMini, ANYmal научился восстанавливать самообладание, устранив человеческих экспертов, опыт и вмешательство. Превосходная способность ANYmal думать на ногах может дать ему преимущество при выполнении сложных одиночных миссий, таких как спасение, визуальный осмотр, тепловая проверка, обнаружение газа и т. Д.
Лаборатория робототехнических систем в ETH Zurich University много лет работает над проектом ANYmal. Свой последний рывок их щенок обязан недавним улучшениям в камерах и сенсорах. Поскольку ANYmal разработан для выполнения опасных задач в сложных условиях, исследователи использовали передовые камеры и LiDAR для обеспечения функциональности, например, в условиях низкой освещенности.
Исследовательская группа ETH возлагает большие надежды на ANYmal: «Роботы на ногах могут однажды спасать людей в лесах и в горах, взбираться по звездам, чтобы нести полезную нагрузку на строительных площадках, обследовать неструктурированные подземные туннели и исследовать другие планеты».
Статья Изучение гибкой и динамической моторики роботов на ногах была опубликована в Science Magazine.
Журналист: Фаню Цай | Редактор: Майкл Саразен
Вышел Отчет об адаптивности AI для публичной компании Fortune Global 500 за 2018 год!
Приобретите отчет в формате Kindle на Amazon.
Подайте заявку на участие в Партнерской программе Insight, чтобы получить бесплатный полный отчет в формате PDF.
Подпишитесь на нас в Twitter @Synced_Global, чтобы получать ежедневные новости об ИИ!
Мы знаем, что вы не хотите пропустить ни одной истории. Подпишитесь на наш популярный Synced Global AI Weekly , чтобы получать еженедельные обновления AI.
