AI

Investigadores de Google utilizan inteligencia artificial para enseñar a los robots a moverse como perros reales

Investigadores de Google utilizan inteligencia artificial para enseñar a los robots a moverse como perros reales



We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.

Los investigadores de Google han utilizado la inteligencia artificial (IA) para enseñar a los robots a moverse con la agilidad de los animales reales (en este caso, los perros). Describen su experimento en un blog publicado esta semana.

RELACIONADO: CASSIE THE ROBOT MUESTRA UN MOVIMIENTO ÁGIL EN UN NUEVO VIDEO PROMOCIONAL SLICK

Comportamiento ágil

"Primero, describimos cómo los robots pueden aprender comportamientos ágiles imitando movimientos de animales reales, produciendo movimientos rápidos y fluidos como trotar y brincar. Luego, discutimos un sistema para automatizar el entrenamiento de habilidades de locomoción en el mundo real, que permite a los robots aprender a caminar por su cuenta, con una mínima ayuda humana ", compartieron en el blog Xue Bin (Jason) Peng, estudiante investigador y Sehoon Ha, científico investigador, robótica de Google.

Lograron esta impresionante hazaña usando algo llamado aprendizaje por refuerzo (RL). Comenzaron tomando un clip de movimiento de referencia grabado de un animal y usando RL para hacer que el robot imitara esos movimientos.

"Al proporcionar al sistema diferentes movimientos de referencia, podemos entrenar a un robot cuadrúpedo para que realice un conjunto diverso de comportamientos ágiles, que van desde pasos rápidos hasta saltos y giros dinámicos. Las políticas se entrenan principalmente en simulación y luego se transfieren a el mundo real utilizando una técnica de adaptación del espacio latente que puede adaptar eficientemente una política utilizando sólo unos minutos de datos del robot real ”, escribieron los investigadores en su blog.

Aleatoriedad

Sin embargo, es un hecho bien conocido que los simuladores proporcionan una mala aproximación del mundo real, lo que significa que las simulaciones no funcionan bien en la realidad. Aquí es donde los investigadores decidieron utilizar una técnica de adaptación del espacio latente eficiente en la muestra.

Lo hicieron introduciendo un elemento de aleatoriedad en los parámetros físicos utilizados en la simulación mediante la variación de cantidades físicas, como la masa y la fricción del robot. Esto resultó en un modelo de aprendizaje automático que podría dar cuenta de todo tipo de pequeñas variaciones y las complicaciones que crean en el futuro.

El resultado final es un robot que se mueve con la misma agilidad que un perro real. Este tipo de trabajo es crucial, ya que puede abrir oportunidades para implementar robots para tareas sofisticadas en el mundo real.


Ver el vídeo: Todos podemos aprender Machine learning (Agosto 2022).