Umeå大学的科学家已经成功发展由AI控制的自动驾驶森林机器，使其成为重型机械的自主技术的重要壮举。
AI控制的森林机器
突破围绕克服转移的复杂性人工智能控制物理环境，特别是对于大型和复杂的系统，例如重型森林机械。
传统上，人工智能需要广泛的培训数据，这在应用于重型设备时会带来财务和安全风险。该解决方案在于模拟环境中的初步培训，尽管弥合模拟与现实之间的差距仍然是研究人员的持续挑战。
Umeå大学研究机构和Skogforsk在Jälla的测试场进行的试验证明了AI自动控制16吨森林机器的可行性。
这项成就取决于在Umeå大学的超级计算机上进行的严格培训课程，其中包括数百万培训步骤，以准备AI用于现实世界中的任务。
Algoryx Simulation和Umeå大学的研究人员Viktor Wiberg强调了其工作的重要性，确认通过AI对这种复杂机械的自主控制代表了该领域的第一个。
该团队利用了“深度强化学习”，这是一种用于管理超越人类能力的复杂系统的方法。但是，研究小组指出，到目前为止，其应用主要仅限于数字系统或较小的机器人。
Umeå大学物理学副教授Martin Servin强调了AI适应重型机械的固有挑战。与带有快速电动机的轻型机器人不同，森林机器具有复杂的液压系统和缓慢的驱动。
这种差异需要在模拟和现实世界部署中量身定制的方法，以确保无缝的性能。虚拟训练环境至关重要地模仿现实世界的动态，其中AI模型在不同的情况下导航而没有物理风险或资源消耗。
该方法可以快速探索动作与结果之间的因果关系，这对于在不可预测的环境中完善AI功能至关重要。
多体动力学
研究人员强调了多体动力学和系统识别在准确模拟森林机行为中的作用。通过整合这些技术，他们优化了AI政策，以减轻模拟和现实之间的差异。
根据研究人员的说法，诸如域随机化，行动延迟和行为不稳定的惩罚等技术有助于缩小模拟对真实差距，这对于可靠的自主操作至关重要。
在他们的实验中，AI控制的森林机器在水平地面和挑战地形时表现出熟练的性能，例如需要主动悬架管理的坡道。
这种成功的转移强调了其方法在将模拟行为与现实世界应用结合在一起的功效，尤其是在保持光滑的运动轨迹和高性能标准方面。
Wiberg指出：“结果表明，在模拟环境中首次训练后，可以将AI控制转移到物理森林机器上。”
研究小组的发现是出版在《机器人技术和自主系统》杂志中。
