Kursus Rintangan Virtual Ini Membantu Robot Nyata Belajar Berjalan


Sebuah tentara dari lebih dari 4.000 robot berbaris seperti anjing adalah pemandangan yang samar-samar mengancam, bahkan dalam simulasi. Tapi itu mungkin menunjukkan jalan bagi mesin untuk mempelajari trik baru.

Tentara robot virtual dikembangkan oleh para peneliti dari ETH Zurich di Swiss dan pembuat chip Nvidia. Mereka menggunakan bot pengembara untuk melatih algoritme yang kemudian digunakan untuk mengontrol kaki robot dunia nyata.

Dalam simulasi, mesin—disebut ANYmals—menghadapi tantangan seperti lereng, tangga, dan turunan curam dalam lanskap virtual. Setiap kali robot belajar menavigasi tantangan, para peneliti menyajikan tantangan yang lebih sulit, mendorong algoritme kontrol menjadi lebih canggih.

Dari kejauhan, pemandangan yang dihasilkan menyerupai pasukan semut yang menggeliat di area yang luas. Selama pelatihan, robot mampu menguasai berjalan naik dan turun tangga dengan cukup mudah; rintangan yang lebih kompleks membutuhkan waktu lebih lama. Mengatasi lereng terbukti sangat sulit, meskipun beberapa robot virtual belajar cara meluncur ke bawah.

Klip dari simulasi di mana robot virtual belajar menaiki tangga.

Ketika algoritme yang dihasilkan ditransfer ke versi nyata ANYmal, robot berkaki empat seukuran anjing besar dengan sensor di kepalanya dan lengan robot yang dapat dilepas, robot ini mampu menavigasi tangga dan balok tetapi mengalami masalah pada kecepatan yang lebih tinggi. . Para peneliti menyalahkan ketidakakuratan dalam bagaimana sensornya melihat dunia nyata dibandingkan dengan simulasi,

Jenis pembelajaran robot serupa dapat membantu mesin mempelajari segala macam hal yang berguna, mulai dari menyortir paket hingga menjahit pakaian dan memanen tanaman. Proyek ini juga mencerminkan pentingnya simulasi dan chip komputer khusus untuk kemajuan masa depan dalam kecerdasan buatan terapan.

“Pada tingkat tinggi, simulasi yang sangat cepat adalah hal yang sangat bagus untuk dimiliki,” kata Pieter Abbeel, seorang profesor di UC Berkeley dan salah satu pendiri Covariant, sebuah perusahaan yang menggunakan AI dan simulasi untuk melatih lengan robot untuk memilih dan menyortir objek untuk perusahaan logistik. Dia mengatakan para peneliti Swiss dan Nvidia “mendapat beberapa percepatan yang bagus.”

AI telah menunjukkan janji untuk melatih robot untuk melakukan tugas dunia nyata yang tidak dapat dengan mudah ditulis ke dalam perangkat lunak, atau yang memerlukan semacam adaptasi. Kemampuan menangkap benda-benda yang janggal, licin, atau asing, misalnya, bukanlah sesuatu yang bisa ditulis dalam baris kode.

4.000 robot simulasi dilatih menggunakan pembelajaran penguatan, metode AI yang terinspirasi oleh penelitian tentang bagaimana hewan belajar melalui umpan balik positif dan negatif. Saat robot menggerakkan kaki mereka, sebuah algoritme menilai bagaimana ini memengaruhi kemampuan mereka untuk berjalan, dan menyesuaikan algoritme kontrol yang sesuai.

Diposting oleh : Lagutogel