东车日报｜凯迪拉克首款电动车可预订-Rivian市值超越大众成全球第三-特斯拉加州致命车祸调查取消
06-21
本周发表的预印本论文和博客文章显示，谷歌研究人员开发了一种人工智能系统，可以学习和模仿动物的动作赋予机器人更大的灵活性。
该论文的合著者相信，他们的方法可以促进机器人的开发，这些机器人可以执行生活中一些更灵活的任务，例如在多层仓库和履行中心之间运输材料。
该团队的框架采用动物（在本例中为狗）的动作捕捉镜头，并使用强化学习来训练控制策略，强化学习是一种激励软件代理通过奖励来实现目标的训练技术。
研究人员表示，为系统提供不同的参考动作，使他们能够“教”四足 Unitree-Laikago 机器人执行一系列行为，从快速行走（速度高达 2.6 英里/小时）到跳跃和转弯。
为了验证他们的方法，研究人员首先编制了执行各种技能的真实狗的数据集。
（训练主要在物理模拟中进行，以便能够密切跟踪参考运动的姿势）。
然后，研究人员用大约 2 亿个样本训练了一个模拟机器人，通过在奖励函数中使用不同的动作来模拟运动技能，该函数描述了演员的行为方式。
但模拟器通常只能提供现实世界的粗略近似。
为了解决这个问题，研究人员使用了一种自适应技术，使模拟中的动力学随机化，例如改变机器人的质量和摩擦力等物理量。
编码器用于将这些值映射到数字表示（即编码），该数字表示作为输入传递给机器人控制策略。
当将该策略部署到实际机器人时，研究人员移除了编码器并直接搜索一组允许机器人成功执行该技能的变量。
该团队表示，他们使用不到八分钟的真实世界数据，在大约 50 次试验中使该策略适应现实条件。
此外，他们还演示了一个真正的机器人学习模仿各种狗的动作，包括踱步和小跑，以及艺术家动画的关键帧动作，例如动态跳跃转弯。
该论文的合著者写道：“我们证明，通过利用参考运动数据，基于学习的方法可以自动合成控制器，以实现腿式机器人的各种行为。
” “通过将有效的领域自适应样本技术集成到训练过程中，我们的系统能够在模拟中学习自适应策略，然后可以快速应用于现实世界的部署中。
”然而，这种控制策略并不完美。
由于算法和硬件的限制，它无法学习高度动态的行为（例如大的跳跃和运行），并且不如最好的手工设计的控制器那么稳定。
（在 5 个图中，每种方法总共进行 15 次试验，现实世界的机器人在踱步时平均 6 秒后掉落；向后小跑时 5 秒后掉落；旋转时平均 9 秒后掉落）。
对此，研究人员表示，他们将继续提高控制器的鲁棒性，并开发一个可以从其他来源的运动数据（例如视频剪辑）中学习的框架。
版权声明：本文内容由互联网用户自发贡献，本站不拥有所有权，不承担相关法律责任。如果发现本站有涉嫌抄袭的内容，欢迎发送邮件 举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。
标签：
相关文章
06-18
06-18
06-18
06-17
06-17
06-18
最新文章
Android旗舰之王的过去与未来
智能手表不被开发、AR眼镜被推迟，Meta的产品经历了一波三折
为什么Cybertruck是特斯拉史上最难造的车？
更新鸿蒙3后，文杰允许你在车里做PPT了
新起亚K3试驾体验：追求“性价比”，韩系汽车仍不想放弃
阿维塔15登场！汽车配备了增程动力，理想情况下会迎来新的对手吗？
马斯克宣布创建 ChatGPT 竞争对手！ OpenAI的CEO给他泼了冷水， GPT-5可能会发生巨大变化
骁龙无处不在，是平台也是生态