机器人有望跨越仿真—现实鸿沟

励志文章 阅读(1986)
老虎机娱乐网站

跑步,爬山,摔倒,攀爬,这些动作都是野生动物的天生本能。在我们出生后,我们掌握这些动作或需要训练的时间相对较慢,但作为补充,我们拥有非常精细的手部动作技能,可以轻松处理各种工具。

众所周知,无论是优雅地还是自然地行走,机器人在这方面的表现都不尽如人意。步态运动的协调和机器人的灵活性一直是行业问题。

但现在,情况正在发生一些变化。

根据最近的一篇英国《自然》新闻和评论文章,经过数十年的学习,机器人终于开始掌握在机器学习的帮助下自然地走路,跑步和捕捉技能。这一突破被认为打开了人工智能时代的前奏,具有“物理灵活性”,同时开辟了“机器人自动化时代”。

机器人比你想象的“活着”更难

机器人的“生命”始于模拟。

机器人工程师将首先看看启动软件在虚拟世界中是否表现良好。如果令人满意,软件将被放入机器人体内并应用于物理世界。

但在物理世界中,看似小的障碍可能会让机器人陷入困境。他们不可避免地遇到了“现实世界”带来的无数巨大问题。不可预测的表面摩擦,结构灵活性,振动和机器人本身。传感器延迟,致动器转换不良等,几乎没有一系列障碍可以使用数学模型提前假设。

在过去的几十年中,工程师一直在尝试通过预测数学模型(经典控制论)来指导机器人通过身体活动。然而,当引导机器人的肢体执行极其简单的任务(例如,行走,攀爬和抓取不同形状的物体)时,这种方法被证明是无效的。

在模拟环境中,即使机器人能够应对并进入真实的物理世界,它也会像孩子一样绊倒。

机器学习可以弥合模拟与现实之间的差距

当人们已经习惯了几十年的机器人时,科学家们突然点燃了希望。

最近,苏黎世联邦理工学院机器人实验室实验室团队发表了关于《科学机器人学》的最新论文,并给出了新的证据,即用数据驱动方法设计的机器人软件有很大希望解决机器人技术的长期问题。和人工智能研究。巨大的谜题模拟与现实之间的差距。

该团队展示了将经典控制论与机器学习技术相结合的方法。他们首先设计了一个四足机器人的传统数学模型,并命名为机器人“ANYmal”。接下来,从引导机器人肢体运动的致动器收集数据,并将数据输入到多个人工智能神经网络系统中,从而建立第二模型。

该机器学习模型自动预测“AMYmal”机器人的肢体运动。在训练神经网络之后,只要插入第一个模型,就可以在计算机上模拟混合模型。

该团队发现,这种数据驱动的设计软件极大地提高了机器人的运动技能。它更快,更精确。此外,运动策略首先在模拟器中进行优化,然后转移到机器人体内以在物理世界中进行测试。最后,机器人的性能与仿真性能一样好。

混合模型是变革的第一步

这一成就被认为是机器人技术和人工智能的重大突破,这表明不可克服的模拟与现实之间的差距正在消除。

它也预示着人工智能的一次重大革命,混合模型是这次转型的第一步。之后,所有分析模型都将面临“裁员”。

通过机器人在现实世界中收集的数据训练机器学习模型。此方法也称为“端到端训练”。它缓慢但牢固地融入现实,并用于诸如铰接式机器人,多指机器人,无人机甚至无人驾驶汽车等应用中。

也许在不久的将来,机器人工程师将不再需要“告诉”机器人如何行走以及如何爬行,而是让机器人使用他们收集的数据来学习。

但是,在这个阶段它也有一定的挑战。最重要的是优化可扩展性,以确定是否可以扩展“端到端培训”,以指导具有许多执行器的复杂机器,例如人形机器人,制造工厂和智能城市等大型系统。然后使用数字技术帮助人们改善生活质量。

《自然》根据意见文章,对于人类而言,对大脑中未来行为的思考越清晰,这个人的自我意识就越高。如今,机器人在学习的道路上走得更远。它不仅是实践意义上的突破,也是某些工程劳动的解放。这也标志着科学家们开启了“机器人自动化时代”。

资料来源:科技日报