Aprenda a Ganhar Dinheiro do seu Jeito na Internet!

Pesquisadores ensinam robôs a se moverem mais como animais

Estás a ler: Pesquisadores ensinam robôs a se moverem mais como animais

Quem tem um animal de estimação sabe que os animais são muito ágeis. Algumas das coisas que eles são capazes de fazer são muito impressionantes. Um grupo de pesquisadores do laboratório BAIR (Berkeley Artificial Intelligence Research) de Berkeley está tentando ensinar os robôs a se moverem como animais. Os cientistas dizem que eles apresentaram uma estrutura para aprender habilidades de locomoção robótica imitando animais.

Usando um clipe de movimento de referência gravado de um animal, a estrutura usa o aprendizado por reforço para treinar uma política de controle que permite que um robô imite o movimento no mundo real. Ao fornecer ao sistema diferentes movimentos de referência, a equipe pode treinar um robô quadrúpede para executar um conjunto diversificado de comportamentos ágeis.

Os comportamentos que o robô aprendeu variam de portões rápidos a passos e saltos dinâmicos. As políticas para os robôs são inicialmente treinadas em um ambiente simulado e, em seguida, o treinamento é transferido para o mundo real usando uma técnica de adaptação de espaço latente. Essa técnica pode adaptar eficientemente uma política usando uma quantidade limitada de dados do robô real.

Os cientistas dizem que a estrutura possui três componentes principais, incluindo redirecionamento de movimento, imitação de movimento e adaptação de domínio. A primeira etapa usando um determinado movimento de referência é criar um mapa de estágio de redirecionamento de movimento que redireciona o movimento da morfologia do animal original para a morfologia do robô. O próximo passo é o estágio de imitação de movimento e usa o movimento de referência redirecionado para treinar uma política para imitar o movimento em um ambiente simulado. A última etapa é o estágio de adaptação do domínio que transfere a política da simulação para o robô real por meio de um processo de adaptação de domínio eficiente de amostra.

A equipe observa que os simuladores geralmente fornecem apenas uma aproximação grosseira do mundo real. Portanto, políticas treinadas em simulação costumam ter um desempenho ruim no mundo real. Como a política de transferência negociou simulação para o mundo real, a equipe usou uma técnica de adaptação de domínio eficiente de amostra para adaptar a política ao mundo real usando apenas um pequeno número de tentativas no robô real. Essa técnica foi capaz de adaptar o que inicialmente era um cenário de baixo desempenho que levou o robô a cair para um cenário em que o robô era estável. O resultado foi um robô em movimento muito mais rápido e mais fluido.

~~~~~~~~📱~~~~~~~~

PCtg.net é o lugar perfeito para encontrar as últimas notícias e análises sobre gadgets e aplicativos de tecnologia, bem como dicas e truques sobre como tirar o máximo proveito de sua tecnologia.