Dieser Roboter hat sich selbst beigebracht, schnell zu laufen

Ein Team des Massachusetts Institute of Technology brachte ihrem Gepardenbaby das Laufen bei. Dafür brauchte es eine gehörige Portion Künstliche Intelligenz und maschinelles Lernen. Innerhalb von drei Stunden hatte der Roboter in hundert virtuellen Tagen gelernt, wie er seine Bewegungsgeschwindigkeit an Boden und Hindernisse anpassen kann. Ergebnis, Geschwindigkeitsrekord.

Sie werden auch interessiert sein


[EN VIDÉO] Wenn der Spot-Roboter die Choreographie nachbildet…
Der Spot-Roboter von Boston Dynamics stellt die Choreografie aus dem Musikvideo „Start Me Up“ der Rolling Stones nach.

Das Geschwindigkeit Bewegung ist einer der größten Kritikpunkte an Robotern. sei es ein Mensch, Hundeplatz oder erst kürzlich Bex den SteinbockDas Gelenke Die mechanischen Strukturen und ihr Gewicht verhindern, dass sich der Roboter schnell bewegt. Da die Maschine die möglichen Hindernisse, auf die sie stoßen wird, nicht kennt, befindet sich der Roboter außerdem immer in einem Zustand der Besorgnis und Analyse, bevor er eine Bewegung ausführt. Eine weitere große Hürde: die Materialkosten. Angesichts des Preises des Roboters vermeiden es die Forscher, ihn an seine Grenzen zu bringen.

Robotikforscher in CSAIL von Massachusetts Institute of Technology Das MIT hatte die Idee, Simulationen mit künstlicher Intelligenz (KI) zu verwenden, um einem Roboter schnell beizubringen, wie er sich anpassen soll Muster Gehen Sie nach Bedarf. In diesem Fall war es der Tiger-Roboter, der lernen wollte, seine Vorgehensweise an das Gelände anzupassen. Bisher brachten sie ihm bei, auf einem schnell zu laufen Förderband oder einen Salto machen. Dort geht es darum, ihm das Laufen in einer natürlichen Umgebung beizubringen.

Lernverbesserung

In nur drei Stunden war der Roboter bekannt Mini-Gepard, hat 100 Tage virtueller Abenteuer auf einer Vielzahl von Terrains gespeichert. Nur das „Tier“ hat Techniken erlernt, um seine Gangart dem Gelände anzupassen und zu verändern Textur Immer mit dem gleichen Ziel: von A nach B zu kommen. Wie wir im Video unten sehen können, wird es bestimmt Spaß machen.

So dass die Katzen von selbst lernt, entschieden sich die Forscher für Reinforcement Learning (Lernverbesserung). Diese Art des maschinellen Lernens funktioniert mit einem System von Belohnungen oder Strafen, oder besser gesagt Versuch und Irrtum. Der Roboter kann die Art des Untergrunds, ob trocken oder nass, glatt oder uneben, nicht erkennen, aber je nach Schrittgefühl kann er Schritt und Schritt anpassen Bewegungen. Dies ist am effektivsten, wenn er mehrere Durchgänge an derselben Stelle macht und sich dann schneller bewegen kann.

Dank einer neuen Methode lernt der Mini-Gepard des MIT, schnell zu laufen und seine Gangart an anspruchsvolles Gelände anzupassen. © YouTube, MIT

sehr gut aussehen

Als Ergebnis erreichte der Tiger eine Geschwindigkeit von 3,9 m / s oder 14 km / h. Es ist schneller als der Durchschnitt, denn für einen Läufer sind es 4 Minuten und 15 Sekunden pro Kilometer. Man muss wirklich ein sehr guter Läufer sein, um eine solche Geschwindigkeit zu halten. Dies ist ein Rekord für die Autonomie des Roboters, und der nächste Schritt wird nun darin bestehen, die Verhaltensautonomie voranzutreiben, unabhängig davon, ob es darum geht, Objekte zu greifen oder zu lernen, sich auf unbekanntem Boden zu bewegen, ohne mit KI trainiert zu werden.

Der Kern der KI-Forschung ist der Kompromiss zwischen dem, was der Mensch integrieren muss (Natur) und dem, was eine Maschine selbst lernen kann (Konstruktion). Erklärt ein Ingenieur vom Massachusetts Institute of Technology. Das traditionelle Robotikmodell besagt, dass Menschen dem Roboter sagen, welche Aufgabe er erledigen soll und wie er sie machen soll. Das Problem ist, dass ein solches Framework nicht skalierbar ist, da es einen enormen menschlichen Ingenieuraufwand erfordern würde, einen Roboter mit den Fähigkeiten, in vielen verschiedenen Umgebungen zu arbeiten, manuell zu programmieren. Ein praktischerer Weg, einen Roboter mit vielen verschiedenen Fähigkeiten zu bauen, besteht darin, dem Roboter zu sagen, was er tun soll, und ihn wissen zu lassen, wie er es tun soll. Unser System ist ein Beispiel.

unsere Kollegen Gizmodo erwähne ich auch Drohne Wer kann auch von dieser Art des Lernens profitieren, um an unbekannten Orten „gestartet“ zu werden und trotzdem autonom zu fliegen.

Unterstützen Sie Ihre unabhängigen wissenschaftlichen Medien: Entdecken Sie unsere Abonnement-Modi!

4 gute Gründe Futura auf Patreon zu abonnieren:

  1. Eine Seite ohne Werbung ab 3,29 € Im Monat.
  2. Es ist unverbindlich.
  3. Zugriff auf vorrangige Inhalte in der Vorschau nur für Sie.
  4. Sie unterstützen unser Geschäft bestmöglich. Eine echte Motivation für uns!
Ich abonniere Futura auf Patreon

Interessiert an dem, was Sie gerade gelesen haben?

Leave a Comment