Ученые с помощью искусственного интеллекта (ИИ) обучили четвероногого робота, похожего на собаку, преодолевать базовую дистанцию паркура со скоростью до 8 км/ч.
На новых кадрах четвероногий робот, получивший название «ANYmal», забирается на вершину деревянного ящика высотой 1 метр, а затем перепрыгивает пропасть на такое же расстояние между двумя большими деревянными ящиками. Он также успешно спускается с одного из них.
Машина обучилась таким маневрам, как ходьба, приседание, лазание и прыжки, что, по мнению ученых, в будущем может помочь ей преодолевать физические препятствия во время поисково-спасательных операций.
Роботов, подобных ANYmal, в народе называют «собаками-роботами» из-за их коленей, направленных назад, которые придают им сходство с собаками, сообщает Институт инженеров по электротехнике и электронике (IEEE).
Ученые описали свои методы обучения в исследовании, опубликованном 13 марта в журнале Science Robotics.
Стремясь сравняться с ловкостью бегунов, мы можем лучше понять ограничения каждого компонента на пути от восприятия до срабатывания, обойти эти ограничения и в целом увеличить возможности наших роботов».
— команда ученых
Большинство собак-роботов, таких как Спот из Boston Dynamics, не обладают таким уровнем ловкости, отмечают ученые. Но, используя нейронные сети — форму архитектуры ИИ, в которой алгоритмы машинного обучения организованы подобно нейронам в человеческом мозге, — команда обучила ANYmal повышенному восприятию, локомоции и навигационным навыкам.
Они стремились разработать «конвейер модулей» — компонентов обучения ИИ — на основе того, как свободные бегуны могут ориентироваться на местности и прыгать между препятствиями, но используя четыре ноги, а не две.
После обучения паркуру в симуляторе робот смог ориентироваться на реальной трассе, как показано в ролике. Робот также ловко проскакивает под столами.
Теперь эта технология обучения может быть применена к другим собакоподобным роботам, оснащенным необходимым оборудованием — датчиками и исполнительными механизмами, — чтобы они могли более эффективно ориентироваться на местности.
Ученые отметили, что робот еще не был протестирован в условиях симуляции стихийного бедствия, но сказали, что планируют внести дальнейшие усовершенствования в систему обучения, чтобы улучшить маневренность роботов.
Нет комментариев