Aby roboty uczyły się w ten sam sposób, w jaki uczą się ludzie, zrobili to inżynierowie z University of Michigan Opracował metodę, która umożliwia robotom pracę z miękkimi materiałami, takich jak liny i tkaniny, o zwiększonej wydajności. W symulacjach większe zestawy danych treningowych podwoiły wskaźnik sukcesu robota owijającego linę wokół bloku silnika i poprawiły go o ponad 40% niż fizyczny robot wykonujący to samo zadanie. Nowa metoda może skrócić czas nauki robotów pracujących z nowymi materiałami i działających w nowych środowiskach z zaledwie tygodni do godzin.
„To zadanie należy do zadań, które mechanik robotów musi łatwo wykonać” – wyjaśnia Dimitri Berenson, profesor nadzwyczajny robotyki na UM. „Ale przy dzisiejszych metodach nauka obsługi każdego nieznanego węża lub taśmy wymaga ogromnych ilości danych, które prawdopodobnie będą gromadzone przez kilka dni lub tygodni”. W tym czasie robot manipulował liną, aby zrozumieć, na ile sposobów wąż może się poruszać i skręcać, co jest długim procesem.
Aby skrócić ten czas, zespół zmienił algorytm optymalizacji, aby umożliwić komputerowi dokonanie pewnych uogólnień, które robimy my, ludzi, takich jak przewidywanie, w jaki sposób dynamika zaobserwowana w jednym stanie będzie replikować się w innych. W jednym przykładzie robot pchnął cylindry na powierzchnię usianą przeszkodami. Podczas próby cylinder nie uderzył o nic, podczas gdy w innych przypadkach cylinder uderzył w inne cylindry, poruszając je w trakcie procesu. Jeśli walec w nic nie uderza, ruch ten można powtórzyć w dowolnym miejscu na stole, gdzie tor nie uderza w inne walce. Chociaż jest to oczywiste dla ludzi, boty muszą zbierać te dane. Zamiast przeprowadzać czasochłonne eksperymenty, oprogramowanie inżyniera może tworzyć wariacje w surowym wyniku pierwszego eksperymentu, które robot może wykorzystać w ten sam sposób.
Aby wyprodukować te sfabrykowane dane, inżynierowie skupili się na trzech cechach: muszą być odpowiednie, różnorodne i aktualne. Na przykład, jeśli poruszające się cylindry są skupione na stole, informacje na podłodze nie mają znaczenia. Te dane również muszą być prawidłowe, więc symulacje z dwoma cylindrami zajmującymi to samo miejsce będą nieważne i muszą zostać określone, aby bot wiedział, że nie jest to możliwe.
Inżynierowie poddali swoje odkrycia testowi, aby zasymulować linę, rozszerzając zestawy danych z wykorzystaniem indukcyjnego położenia liny do innych lokalizacji w środowisku wirtualnym i sprawiając, że lina zachowywała się tak samo, jak w początkowym eksperymencie. Korzystanie z tradycyjnych metod szkoleniowych pokazało, że robot może owinąć linę wokół bloku silnika w 48% przypadków przy użyciu nowej metody, podnosząc ten wskaźnik sukcesu do 70%.
„Chcę być miłośnikiem telewizji. Certyfikowany entuzjasta popkultury. Stypendysta Twittera. Student amator.”
More Stories
Twórcy „Tarkowa” oskarżają „Arena Breakout Infinite” o plagiat
Doładuj swojego iPhone'a 50% rabatem na tę niesamowitą baterię magnetyczną
Wydarzenie Mirrorwatch w Overwatch 2 jest tak dobre, że zrobiło mi się smutno