Найти в Дзене
GadgetPage

Роботы научились кататься на скейтборде: новое достижение в области искусственного интеллекта

Учёные из Университета Мичигана и Южного университета науки и технологий добились впечатляющего результата в робототехнике, научив четвероногих роботов кататься на скейтборде. Для этого они разработали специальную систему искусственного интеллекта под названием Discrete-Time Hybrid Automata Learning (DHAL). DHAL — это инновационная система, позволяющая роботам самостоятельно адаптироваться к различным условиям передвижения. Алгоритм автоматически определяет текущее состояние машины и классифицирует его по трём основным фазам: Каждая из этих фаз требует индивидуального подхода к движению, и DHAL позволяет машине самостоятельно анализировать и переключаться между ними без необходимости внешнего управления. По словам ведущего исследователя проекта Сангли Тенга, новая система обучения отличается от аналогов тем, что не требует предварительного программирования фаз перехода и точного знания их количества. В отличие от традиционных методов, DHAL использует бета-распределение вместо гауссово
Оглавление

Учёные из Университета Мичигана и Южного университета науки и технологий добились впечатляющего результата в робототехнике, научив четвероногих роботов кататься на скейтборде. Для этого они разработали специальную систему искусственного интеллекта под названием Discrete-Time Hybrid Automata Learning (DHAL).

Как роботы освоили скейтбординг?

DHAL — это инновационная система, позволяющая роботам самостоятельно адаптироваться к различным условиям передвижения. Алгоритм автоматически определяет текущее состояние машины и классифицирует его по трём основным фазам:

  1. Скольжение – когда все четыре лапы робота находятся на доске.
  2. Переход – когда робот меняет положение между доской и землёй.
  3. Отталкивание – когда робот использует лапы для набора скорости.

Каждая из этих фаз требует индивидуального подхода к движению, и DHAL позволяет машине самостоятельно анализировать и переключаться между ними без необходимости внешнего управления.

Новое слово в машинном обучении

По словам ведущего исследователя проекта Сангли Тенга, новая система обучения отличается от аналогов тем, что не требует предварительного программирования фаз перехода и точного знания их количества. В отличие от традиционных методов, DHAL использует бета-распределение вместо гауссового распределения, что позволяет роботу обучаться более реалистично.

В то время как гауссовое распределение допускает крайне большие или малые значения, бета-распределение ограничено заданными пределами, что лучше соответствует возможностям робота. Например, если сустав робота может двигаться только в пределах определённого угла, система учитывает этот фактор, предотвращая нереалистичные вычисления.

Будущее автономных систем

Этот метод может найти применение не только в роботах-скейтбордистах, но и в более широких областях. Учёные планируют использовать DHAL для совершенствования систем передвижения и взаимодействия роботов с окружающей средой.

«В будущем технология DHAL позволит роботам точнее прогнозировать контакт с поверхностями и принимать более обоснованные решения в алгоритмах планирования и управления движением», — заявил Сангли Тенг.

Таким образом, разработка DHAL приближает нас к созданию автономных роботов, способных уверенно передвигаться в сложных условиях и адаптироваться к новым задачам без необходимости вмешательства человека. Возможно, уже в ближайшие годы мы увидим роботов, способных не только кататься на скейтборде, но и выполнять более сложные физические задачи.