A Google mesterséges intelligencia a kutyák megfigyelésével tanítja meg a robotokat a mozgásra

Még ma is a legfejlettebb robotok közül néhányan még mindig kissé esetlen, szaggatott módon mozognak. Annak érdekében, hogy a robotok élethűbb, gördülékenyebb módon mozogjanak, a Google kutatói kifejlesztettek egy mesterséges intelligencia rendszert, amely képes valódi állatok mozgásából tanulva. A Google kutatócsoportja közzétette a előnyomtatott papír amely a múlt hét végén részletezte megközelítésüket. Az újságban és a kísérőben blogbejegyzés, a kutatócsoport leírja a rendszer mögött meghúzódó indokokat. A cikk szerzői úgy vélik, hogy a robotok természetesebb mozgással való felruházása segítheti őket a precíz mozgást igénylő, valós feladatok elvégzésében, például tárgyak szállításában az épület különböző szintjei között.

Amint arról a VentureBeat beszámolt, a kutatócsoport erősítő tanulást alkalmazott robotjaik betanításához. A kutatók azzal kezdték, hogy klipeket gyűjtöttek valódi állatok mozgásáról, és megerősítési tanulási (RL) technikák segítségével igyekeztek a robotokat az állatok mozgásának utánzására a videoklipekben. Ebben az esetben a kutatók egy kutya klipjein képezték ki a robotokat, amelyeket egy fizikai szimulátorban terveztek meg, és egy négylábú Unitree Laikago robotot utasítottak, hogy utánozza a kutya mozgását. A robot betanítása után képes volt olyan összetett mozgásokat végrehajtani, mint az ugrálás, fordulás és gyors járás, körülbelül 2.6 mérföld/óra sebességgel.

A képzési adatok körülbelül 200 millió mozgásban lévő kutya mintájából álltak, amelyeket fizikai szimulációval követtek nyomon. A különböző mozgásokat azután a jutalmazási funkciókon és irányelveken keresztül vezették le, amelyekkel az ügynökök tanultak. Miután a szabályzatok a szimulációban elkészültek, a látens téradaptációnak nevezett technikával átvitték őket a való világba. Mivel a robotok betanításához használt fizikai szimulátorok csak közelíteni tudták a valós mozgás bizonyos aspektusait, a kutatók véletlenszerűen különböző perturbációkat alkalmaztak a szimulációban, amelyek célja a különböző körülmények közötti működés szimulálása volt.

A kutatócsoport szerint a szimulációs irányelveket 50 különböző kísérletből mindössze nyolc percnyi adat felhasználásával tudták a valós robotokhoz igazítani. A kutatóknak sikerült bebizonyítaniuk, hogy a valós világban működő robotok különféle, specifikus mozdulatokat, például ügetést, fordulást, ugrálást és lépegetést képesek utánozni. Még az animációs művészek által készített animációkat is képesek voltak utánozni, például ugrás és fordulás kombinációját.

A kutatók összefoglalják az eredményeket a tanulmányban:

„Megmutatjuk, hogy a referencia mozgási adatok felhasználásával egyetlen tanuláson alapuló megközelítés képes automatikusan szintetizálni a vezérlőket a lábú robotok viselkedésének változatos repertoárjához. Azáltal, hogy hatékony tartományadaptációs technikákat építünk be a képzési folyamatba, rendszerünk képes megtanulni az adaptív irányelveket szimulációban, amelyeket aztán gyorsan adaptálhatunk a valós alkalmazáshoz.”

A megerősítési tanulási folyamat során alkalmazott ellenőrzési politikáknak megvoltak a korlátai. A hardver és az algoritmusok által támasztott korlátok miatt a robotok egyszerűen nem tudtak megtenni néhány dolgot. Nem tudtak például futni vagy nagyot ugrani. A tanult irányelvek sem mutattak akkora stabilitást a kézzel tervezett mozgásokhoz képest. A kutatócsoport messzebbre kívánja vinni a munkát azáltal, hogy a vezérlőket robusztusabbá és különböző típusú adatokból való tanulásra képessé teszi. Ideális esetben a keretrendszer jövőbeli verziói képesek lesznek tanulni a videóadatokból.