Подпишитесь на нас в Google
Новый алгоритм машинного обучения, который позволил гуманоидному роботу уверенно передвигаться по песку, гравию, мокрой траве, склонам, лестницам и скользким поверхностям, разработали исследователи из Технологического института Джорджии (Georgia Tech). Как пишет Interesting Engineering, при этом новый подход значительно сокращает время и вычислительные ресурсы, необходимые для обучения системы управления.
Сообщается, что новые результаты исследования были представлены на Международной конференции IEEE по робототехнике и автоматизации (ICRA). По словам учёных, их технология под названием Learn to Teach совершенствует популярный метод обучения "учитель - ученик".
В отличие от традиционной схемы, где модели обучаются последовательно, новый подход предусматривает одновременное обучение обеих моделей. Это позволило создать систему управления, которая успешно работает даже на поверхностях, которых робот никогда раньше не "видел".
Новый контроллер протестировали на двуногом гуманоидном роботе. Во время испытаний он успешно преодолевал как сложные природные ландшафты, так и разнообразные поверхности в помещении.
Исследователи также намеренно толкали и тянули робота во время движения. Несмотря на это, он изменял свою походку и сохранял равновесие.
Результаты работы были представлены на Международной конференции IEEE по робототехнике и автоматизации (ICRA). Авторы отмечают, что предложенный алгоритм можно адаптировать и для других типов роботов и различных задач, а не только для ходьбы.
Новый подход позволяет учиться быстрее
В традиционном методе обучения сначала создается модель-"учитель", которая имеет доступ к детальной компьютерной симуляции. Только после завершения её обучения полученные знания передаются модели-"ученику", которая уже непосредственно управляет реальным роботом.
Ведущий автор исследования Фэйян Ву пояснил, что такой подход имеет два существенных недостатка.
Во-первых, модели приходится обучать последовательно, что занимает много времени. Во-вторых, значительная часть информации, накопленной моделью-"учителем", фактически не используется в полной мере.
По словам учёного, обучение роботов в симуляциях может потребовать многих часов вычислений на дорогостоящих графических процессорах (GPU), что делает процесс медленным и дорогостоящим.
Вместо того чтобы ждать, пока модель-"учитель" полностью освоит задачу, исследователи из Georgia Tech обучали обе модели параллельно. По мере того как "учитель" получал новые знания, он сразу передавал их "ученику", что существенно сократило продолжительность обучения.
"Не нужно ждать, пока "учитель" станет экспертом, чтобы начать обучать "ученика". Он может постепенно передавать знания в процессе собственного обучения", - объяснил Фэйян Ву.
Кроме того, ученые позволили модели-"учителю" также учиться на опыте "ученика". Это помогло уменьшить так называемый разрыв между "учителем" и "учеником", когда реальный робот сталкивается с условиями, отличающимися от идеализированной компьютерной симуляции.
Один алгоритм для разных поверхностей
Новую систему установили на полноразмерного гуманоидного робота в лаборатории доцента Е Чжао.
Робот успешно передвигался по неровной местности под открытым небом и по скользким поверхностям внутри помещений без необходимости переключаться между различными алгоритмами управления.
Фэйян Ву признался, что команда не ожидала столь высоких результатов.
По его словам, до сих пор не было доказано, что большой и тяжелый гуманоидный робот способен столь ловко передвигаться по сложной местности. Однако новый алгоритм обучения оказался эффективным в самых разнообразных условиях.
Доцент Е Чжао отметил, что новый контроллер даже превзошел программное обеспечение, поставляемое производителем робота. Это, по его мнению, демонстрирует преимущества сочетания современных методов машинного обучения с практической робототехникой.
Исследователи считают, что технологию Learn to Teach можно использовать не только для гуманоидных роботов, но и для других роботизированных систем, которые должны работать в непредсказуемых условиях.
Роботы-гуманоиды - что известно
Напомним, оборонный кластер Brave1 объявил грантовый конкурс на разработку отечественных двуногих роботов-гуманоидов, предназначенных для выполнения военных задач.
Сообщалось, что Украина стала первым государством, которое начало финансировать боевые гуманоидные системы как отдельную категорию оборонных закупок. Украина разрабатывает такие системы для сложной боевой обстановки, в частности, без доступа к GPS и т. п.
