Das MIT verwendete Simulationen, um einem Roboter das Laufen beizubringen, und die Ergebnisse sind urkomisch

MIT-Wissenschaftlern ist es gelungen, einem Roboter mithilfe von maschinellem Lernen das Arbeiten beizubringen. Normalerweise lernen Roboter, durch schwieriges Gelände zu navigieren, indem sie es in ihren Code vorprogrammieren. Diesmal verwendeten MIT-Wissenschaftler jedoch Simulationen, um dem Mini-Geparden beizubringen, schnell zu laufen und sich an das Gehen auf unterschiedlichem Terrain anzupassen. Die Forscher präsentierten die Ergebnisse letzte Woche in einem Video, und sie sind sowohl faszinierend als auch urkomisch.

Dies ist auch nicht das erste Mal, dass das MIT dem Roboter neue Tricks beigebracht hat. Früher Wissenschaftler brachte dem Roboter bei, Rückwärtssaltos zu machen.

Dieses Video des Mini-Gepardenlaufs ist sowohl inspirierend als auch urkomisch

Wie Sie im obigen Video sehen können, ist der Mini Cheetah nicht die anmutigste Maschine, wenn es um Rennen geht. Aber alles, was er tut, hat er durch Simulationen selbst gelernt. Die Gruppe sagt, dass sie sich für maschinelles Lernen entschieden haben, um zu sehen, wie praktikabel es als Option ist. Normalerweise müssten Ingenieure alles programmieren, was der Roboter tun würde.

Es braucht Zeit, sogar sehr viel Zeit, und es ist sehr schwierig. Der Ingenieur muss nicht nur alles codieren, sondern auch herausfinden, wo der Roboter versagen könnte und wie er angepasst werden kann, um diese Abschnitte aufzunehmen. Mit maschinellem Lernen können Roboter wie der Mini Cheetah jedoch das Laufen lernen, ohne dass eine helfende Hand benötigt wird.

Der Trick beim Betrieb des Mini Cheetah bestand darin, ihn Tage an Erfahrung in verschiedenen Terrains sammeln zu lassen. MIT-Wissenschaftler sagen, dass sie den Mini-Geparden in nur drei Stunden durch 100 Tage Experimentieren schicken konnten. Es erlaubte ihnen, das Gelände zu erklimmen, über das er viel wusste, und Dinge einfacher zu testen.

Mehr als das Auge erkennen kann

Die Bewegungen des Mini-Geparden sehen vielleicht nicht anmutig aus, aber die Ergebnisse sprechen für sich. Indem sie die Maschine lernen ließen, selbstständig zu arbeiten, gaben die Wissenschaftler ihr mehr Raum zum Erfolg. Während des Tests konnte es schneller laufen als je zuvor. Der Mini-Gepard erreichte bis zu 13 Fuß pro Sekunde oder 9 Meilen pro Stunde. Das ist sicher eine beeindruckende Statistik.

Er konnte auch auf eisigen Oberflächen schnell wenden. Außerdem tat er all dies, ohne auf sein Gesicht zu fallen. Die Technik wird Reinforcement Learning genannt, und das Team verwendete mehr als 4.000 Versionen des Mini Cheetah, um die besten Bewegungsmuster in ihren virtuellen Sitzungen zu bestimmen. Alle Modelle, die keine Geschwindigkeit favorisierten, wurden verworfen (via Verdrahtet).

Skalierung

Natürlich ist eine der größten Fragen rund um den Mini Cheetah und seinen jüngsten Erfolg: Können diese Ergebnisse erweitert werden? In Eins Q&A-Nachricht, MIT Ph.D. Der Student Gabriel Margolis und der IAIFI-Postdoc Ge Yang sagen, dass die Art und Weise, wie wir derzeit Robotik betreiben, nicht skalierbar ist. Dies liegt daran, dass Menschen dem Roboter sagen müssen, was er tun soll und wie er es tun soll.

Mit dem aktuellen System, das das MIT testet, wird dem Roboter gesagt, was er tun soll, aber er muss herausfinden, wie er es am besten macht. Natürlich gibt es dabei ein paar Probleme, wie zum Beispiel, wie unbeholfen sich der Roboter bewegt. Aber insgesamt könnte das System viele Türen in die Welt der Robotik öffnen.

In diesem Test lehnten Wissenschaftler Modelle ab, die keine Geschwindigkeit begünstigten. Und wenn sie einen weiteren Test mit dem Mini Cheetah machen würden, der Geschwindigkeit und Robustheit vereint? Ich persönlich würde gerne sehen, wie diese Ergebnisse aussehen, vor allem angesichts der vielversprechenden Ergebnisse.