นักวิจัยในและฮ่องกงได้พัฒนาใหม่(AI) กรอบการเรียนรู้ที่สอนให้หุ่นยนต์ Humanoid ยืนขึ้นจากตำแหน่งที่ไม่ได้ใช้งานอย่างรวดเร็วโดยไม่คำนึงถึงตำแหน่งหรือภูมิประเทศ
ในขณะที่การวิจัยยังไม่ได้ส่งเพื่อตรวจสอบโดยเพื่อนทีมได้เปิดตัวผลการวิจัยของพวกเขาในวันที่ 12 กุมภาพันธ์กูรับรวมถึงกระดาษที่อัปโหลดไปยังไฟล์arxivฐานข้อมูล Preprint ข้างวิดีโอแสดงให้เห็นถึงกรอบการทำงานของพวกเขา
วิดีโอนี้แสดงให้เห็นว่ามนุษย์สองด้านที่ลุกขึ้นยืนหลังจากนอนหงายนั่งพิงกำแพงนอนบนโซฟาและเอนกายลงบนเก้าอี้ นักวิจัยยังทดสอบความสามารถของหุ่นยนต์ Humanoid ในการแก้ไขภูมิประเทศและความเอียงที่แตกต่างกัน - รวมถึงถนนหินความลาดชันของแก้วและในขณะที่พิงต้นไม้
พวกเขาพยายามที่จะขัดขวางหุ่นยนต์โดยการตีหรือเตะมันในขณะที่มันพยายามลุกขึ้น ในทุกสถานการณ์หุ่นยนต์สามารถมองเห็นการปรับสภาพแวดล้อมและแสดงให้เห็นถึงความสำเร็จในการยืนขึ้น
ที่เกี่ยวข้อง:
ความสามารถที่น่าทึ่งนี้ในการล้มลงแล้วลุกขึ้นอีกครั้งต้องขอบคุณระบบที่เรียกว่า "การควบคุมการยืนขึ้นของมนุษย์" (โฮสต์) นักวิทยาศาสตร์ประสบความสำเร็จด้วยการเรียนรู้เสริมแรงประเภทของการเรียนรู้ของเครื่องจักรที่ตัวแทน (ในกรณีนี้กรอบโฮสต์) พยายามที่จะทำงานโดยการลองผิดลองถูก ในสาระสำคัญหุ่นยนต์จะดำเนินการและหากการกระทำนั้นส่งผลให้เกิดผลลัพธ์ในเชิงบวกมันจะถูกส่งสัญญาณรางวัลที่กระตุ้นให้มันดำเนินการอีกครั้งในครั้งต่อไปที่พบว่าตัวเองอยู่ในสถานะที่คล้ายกัน
เพิ่มขึ้นสู่โอกาส
ระบบของทีมมีความซับซ้อนมากกว่านั้นเล็กน้อยโดยใช้กลุ่มรางวัลสี่กลุ่มแยกต่างหากสำหรับข้อเสนอแนะที่ตรงเป้าหมายมากขึ้นพร้อมกับข้อ จำกัด การเคลื่อนไหวรวมถึงการเคลื่อนไหวที่ราบรื่นและการ จำกัด ความเร็วเพื่อป้องกันการเคลื่อนไหวที่ผิดปกติหรือรุนแรง นอกจากนี้ยังมีการใช้แรงดึงในแนวดิ่งในระหว่างการฝึกอบรมเบื้องต้นเพื่อช่วยกำกับขั้นตอนแรกของกระบวนการเรียนรู้
เฟรมเวิร์กโฮสต์ได้รับการฝึกฝนในแบบจำลองโดยใช้Isaac Gym Simulatorสภาพแวดล้อมการจำลองฟิสิกส์ที่พัฒนาโดย Nvidia เมื่อเฟรมเวิร์กได้รับการฝึกฝนอย่างเพียงพอเกี่ยวกับการจำลองUnitree G1 หุ่นยนต์ Humanoidสำหรับการทดสอบการทดลองผลลัพธ์ที่แสดงในวิดีโอ
"ผลการทดลองด้วยหุ่นยนต์ Humanoid Unitree G1 แสดงให้เห็นถึงการเคลื่อนไหวที่ราบรื่นมั่นคงและมีประสิทธิภาพในสถานการณ์จริงในโลกแห่งความจริง" นักวิทยาศาสตร์เขียนในการศึกษา "มองไปข้างหน้างานนี้ปูทางไปสู่การรวมการควบคุมการยืนขึ้นเข้ากับระบบมนุษย์ที่มีอยู่ด้วยศักยภาพในการขยายการบังคับใช้ในโลกแห่งความเป็นจริง"
การลุกขึ้นอาจดูเหมือนเป็นธรรมชาติที่สองสำหรับมนุษย์เรา แต่มันเป็นสิ่งที่หุ่นยนต์มนุษย์ได้พยายามที่จะทำซ้ำในอดีตที่ผ่านมาเพราะคุณสามารถรวบรวมได้จากกการตัดต่อหุ่นยนต์ล้มลงและไม่สามารถกลับไปยังตำแหน่งตั้งตรงได้ สอนหุ่นยนต์ให้เป็นสิ่งหนึ่ง แต่จะมีประโยชน์ในโลกแห่งความเป็นจริงพวกเขาจำเป็นต้องสามารถจัดการกับสถานการณ์ที่ท้าทายเช่นสะดุดสะดุดและล้มลง
