Googles AI lærer roboter å bevege seg ved å se på hunder

Even noen av de mest avanserte robotene i dag beveger seg fortsatt på en noe klønete, rykkete måte. For å få roboter til å bevege seg på en mer levende, flytende måte, har forskere ved Google (GOOGL ) utviklet et AI-system som er i stand til å lære fra bevegelsene til virkelige dyr. Google-forskningsgruppen publiserte en preprint-artikkel som detaljerte deres tilnærming forrige uke. I artikkelen og en tilhørende blogginnlegg, beskriver forskningsgruppen begrunnelsen bak systemet. Forfatterne av artikkelen mener at å utstyre roboter med mer naturlig bevegelse kan hjelpe dem å utføre virkelige oppgaver som krever presis bevegelse, som å levere varer mellom ulike etasjer i en bygning.

Som VentureBeat rapporterte, brukte forskningsgruppen forsterkingslæring for å trene deres roboter. Forskerne begynte med å samle inn klipp av virkelige dyr i bevegelse og brukte forsterkingslæring (RL) teknikker for å skyve robotene mot å etterligne bevegelsene til dyrene i video-klippene. I dette tilfelle, trente forskerne robotene på klipp av en hund, designet i en fysisk simulator, og instruerte en firebeint Unitree Laikago-robot til å etterligne hundens bevegelser. Etter at roboten var trent, var den i stand til å utføre komplekse bevegelser som hopping, svinging og rask gange, med en hastighet på rundt 4,2 kilometer i timen.

Treningsdata bestod av omtrent 200 millioner eksempler på hunder i bevegelse, sporet i en fysisk simulering. De ulike bevegelsene ble deretter kjørt gjennom belønningsfunksjoner og politikker som agentene lærte med. Etter at politikken var opprettet i simuleringen, ble den overført til den virkelige verden ved hjelp av en teknikk kalt latent rom-tilpasning. Fordi fysisk-simulatorer som ble brukt til å trene robotene bare kunne approksimere visse aspekter av virkelig bevegelse, tilførte forskerne tilfeldigvis ulike perturbasjoner til simuleringen, ment å simulere drift under ulike forhold.

Ifølge forskningsgruppen, var de i stand til å tilpasse simuleringens politikker til virkelige roboter ved hjelp av bare åtte minutter med data samlet inn fra 50 ulike forsøk. Forskerne klarte å demonstrere at virkelige roboter var i stand til å etterligne en rekke ulike, spesifikke bevegelser som galopping, svinging, hopping og gåing. De var sogar i stand til å etterligne animasjoner skapt av animasjonskunstnere, som en kombinasjon av hopping og svinging.

Forskerne summerer funnene i artikkelen:

“Vi viser at ved å utnytte referansebevegelsesdata, kan en enkelt læring-basert tilnærming automatisk syntetisere kontrollere for en mangfoldig rekke av atferd for bein-roboter. Ved å inkorporere prøve-effektive domene-tilpasningsteknikker i treningsprosessen, er vårt system i stand til å lære adaptive politikker i simulering som deretter kan raskt tilpasses for virkelig utrulling.”

Kontrollpolitikkene som ble brukt under forsterkingslæring-prosessen hadde sine begrensninger. På grunn av begrensninger påført av maskinvaren og algoritmene, var det noen ting robotene bare ikke kunne gjøre. De kunne ikke løpe eller gjøre store hopp, for eksempel. De lærte politikkenne utviste heller ikke like mye stabilitet når sammenlignet med bevegelser som var manuelt designet. Forskningsgruppen ønsker å ta arbeidet videre ved å gjøre kontrollerne mer robuste og i stand til å lære fra ulike typer data. Ideelt sett vil fremtidige versjoner av rammeverket være i stand til å lære fra video-data.