Этому роботу нужно всего 2 часа, чтобы научиться ходить самостоятельно

В недавнем исследовании, проведенном в Google, инженеры попытались использовать модель искусственного интеллекта (ИИ) в качестве основы для создания четырехногого робота, который может научиться двигаться совершенно естественно, не нуждаясь в слишком большой помощи со стороны людей, например, при движении вперед. назад, поворачиваясь влево и вправо. Кроме того, он также может научиться точно передвигаться по трем различным типам местности, включая ровную поверхность, мягкие подушки и коврики с зазорами.

Это может показаться простым, но на самом деле очень сложно разработать контроллеры роботов, которые смогут обрабатывать такие разнообразные и сложные навигационные команды, особенно на разных типах местности, без помощи ИИ. Ключевой вопрос заключается в том, что роботы могут самообучаться и адаптироваться ко многим ситуациям, вместо того, чтобы постоянно нуждаться в человеческом вмешательстве на каждом этапе.

Технология искусственного интеллекта, используемая в этом проекте, называется «глубокое обучение с подкреплением» — подход, основанный на технологии глубокого обучения, вдохновленной психологией обучения. en, а также «обучение методом проб» и «обучение на ошибках». Возможности глубокого обучения с подкреплением были впервые продемонстрированы в 2013 году, когда DeepMind выпустила модель искусственного интеллекта, которая могла научиться играть в классические игры Atari без каких-либо инструкций.

Видеоигры или, по крайней мере, игры-симуляторы также часто используются исследователями робототехники для обучения своих моделей ИИ. Он создает прекрасную теоретическую среду, позволяя исследователям обучать своих роботов в виртуальном мире, прежде чем выходить в реальный мир, помогая роботу распознавать и запоминать ситуации, с которыми он сталкивается, когда учится выполнять конкретную задачу.

Кроме того, исследователи Google также продвигают разработку улучшенных алгоритмов, которые позволяют их роботам учиться быстрее с меньшим количеством испытаний.

Тот факт, что робот может научиться ходить самостоятельно за 2 часа, возможно, не является шокирующим результатом, но он показывает явную разницу в эффективности по сравнению с инженерами, которым приходится специально программировать каждую операцию. до. Однако трудности, с которыми столкнулась команда Google, также были огромными.

«Хотя многие алгоритмы обучения без учителя или глубокого обучения с подкреплением были продемонстрированы в моделировании, применить их к роботам в реальных экспериментах непросто. Во-первых, глубокое обучение с подкреплением требует большого количества входных обучающих данных, а сбор данных о роботах также очень дорог. Во-вторых, процесс обучения требует тратить много времени на наблюдение за роботом. Если бы нам нужен был человек, который бы следил за роботом и вручную перезагружал его каждый раз, когда он спотыкался – сотни или тысячи раз – на обучение робота потребовалось бы много усилий и времени. Чем дольше это займет, тем сложнее будет масштабировать обучение роботов в самых разных средах», — сказал Цзе Тан, один из ключевых инженеров проекта.

В будущем это исследование может помочь создать более гибких роботов, которые смогут быстрее адаптироваться к различным типам местности. Потенциал применения огромен, однако проект находится только на ранних стадиях разработки, и ему еще предстоит преодолеть множество проблем.