Группа исследователей из Университета Карнеги — Меллона и Калифорнийского университета в Беркли разработала алгоритм обучения для четвероногих роботов, вроде тех, что производит Boston Dynamics. Система учит робопсов адаптироваться к любой сложной местности, включая лестницы, бордюры и лёд.
В ходе разработки алгоритма команда не прибегала к использованию камер для отражения мира. Вместо этого она обратилась к симуляторам: четыре тысячи виртуальных клонов были отправлены в путь по самой разной местности. Как результат, шестилетний опыт ходьбы они воспроизвели за один 24-часовой присест. Данные, собранные в процессе моделирования, были переданы в нейронную сеть и загружены в робопса. За счёт встроенного обучения система может интерактивно реагировать на окружающий мир и позволять машине соответствующим образом корректировать движение своих ног. В случае масштабирования технологии, вероятно, итоговая стоимость роботов станет меньше.
«Cистема использует зрение и обратную связь от тела в качестве входных данных для вывода команд на двигатели робота. Этот метод позволяет системе быть очень надёжной в реальном мире. Если робот поскользнётся на лестнице, он может мгновенно восстановить равновесие. А ещё он способен войти в неизвестную среду и адаптироваться», — рассказала исследователь Ананье Агарвал в посте, связанном с исследованием.
Технология также предполагает работу в темноте, хотя для повышения производительности по-прежнему необходима система визуального обзора.