Дослідники з Технологічного інституту Джорджії розробили новий метод машинного навчання «Learn to Teach» («Навчайся, навчаючи»), який дозволив двоногому гуманоїдному роботу впевнено пересуватися складною місцевістю, якої він не бачив під час тренувань. Проєкт представили на конференції IEEE з робототехніки та автоматизації (ICRA).
Що вже підтверджено
- Робот упевнено перетнув пісок, гравій, мокру траву, схили, сходи та слизькі поверхні.
- Під час випробувань його навмисно штовхали й тягнули, і він щоразу змінював ходу, щоб не втратити рівновагу.
- Робот успішно пересувався нерівною місцевістю просто неба та слизькими поверхнями у приміщенні без перемикання між різними алгоритмами керування.
Як працює метод
У класичній схемі «вчитель-учень» модель-«вчитель» спочатку має доступ до детальних даних симуляції, а її знання потім передаються моделі-«учню», яка керує реальним роботом. У новому підході обидва «агенти» тренуються одночасно: «вчитель» також навчається на досвіді «учня», що допомагає зменшити розрив між ними.
Тренування роботизованих контролерів через симуляцію може вимагати годин обчислень на дорогому графічному обладнанні, тому паралельне навчання спрямоване на значно менші обчислювальні ресурси. Провідний дослідник Фейянг Ву (також Фейян Ву) наголосив, що досі не було доведено, що великий і важкий гуманоїдний робот здатний настільки спритно пересуватися складною місцевістю.
Перспективи розробки
Доцент Є Чжао, у лабораторії якого тестували систему, зазначив, що новий контролер навіть перевершив програмне забезпечення, яке постачав виробник робота. Автори вважають, що підхід можна адаптувати й для інших роботів та завдань, не лише ходьби.
Залишити відповідь