Santry's Singularity blog

This media is not supported in your browser

VIEW IN TELEGRAM

🤖 "Упал, отжался!" Роботы-гуманоиды научились вставать после падения

Помните, как старичок Atlas от Boston Dynamics перепрыгивал препятствия и крутил сальто? За кадром осталось, то, как инженеры поднимали его после падений. Долгое время это была непреодолимая сложность для роботов.

Во время соревнований DARPA Robotics Challenge 25 из 26 упавших машин превратились в беспомощные груды металла и нуждались в человеческой помощи. 🤷‍♂️

Дело в том, что подъем на ноги как инженерная задача радикально отличается от ходьбы. В отличие от циклических шагов при ходьбе, подъем требует непериодического поведения. Робот сталкивается с множественными точками контакта тела с поверхностью и большим разнообразием ситуаций. Возникает проблема разреженности наградных сигналов — алгоритму сложно понять, какие действия привели к успеху, потому что положительная обратная связь приходит только после целого комплекса действий, когда робот наконец устойчиво стоит на ногах.

👨‍🔬 Инженеры из Университета Иллинойса придумали, как обойти проблему недостатка мотивации. Они разделили одну крайне сложную задачу на две попроще: сначала найти траектории, чтобы "просто как-нибудь подняться", а затем оптимизировать решение — сделать движения плавными, энергоэффективными и подходящими к различным поверхностям. Вместо одного сложного процесса обучения с редкими подкреплениями получается две последовательных задачи, каждая из которых решается эффективнее.

В результате полевые испытания Unitree G1 выглядят как занятия в хореографическом училище — робот демонстрирует почти органическую пластику.

Unitree G1 уверенно поднимается на разных поверхностях: от гладкого бетона до скользкого снега и травянистых склонов с уклоном до 10°. Успешность — 78,3%. Причем алгоритм учитывает особенности конструкции и больше использует мощные ноги (с моторами на 83 Н), чем слабые руки (всего 25 Н).

По словам разработчиков алгоритма, это "первая успешная демонстрация обученных алгоритмов подъема для гуманоидных роботов человеческого размера в реальном мире". Ещё один шаг к автономным машинам, способным работать в сложных человеческих средах.

Интересно, подадут ли они руку, когда мы упадем? 🤔

#роботы #AI #будущее

www.tg-me.com/jp/Santry& 39;s Singularity blog/com.SantryBlog/649

1.5K viewsFeb 26 at 11:29

🤖 "Упал, отжался!" Роботы-гуманоиды научились вставать после падения

Помните, как старичок Atlas от Boston Dynamics перепрыгивал препятствия и крутил сальто? За кадром осталось, то, как инженеры поднимали его после падений. Долгое время это была непреодолимая сложность для роботов.

Во время соревнований DARPA Robotics Challenge 25 из 26 упавших машин превратились в беспомощные груды металла и нуждались в человеческой помощи. 🤷‍♂️

Дело в том, что подъем на ноги как инженерная задача радикально отличается от ходьбы. В отличие от циклических шагов при ходьбе, подъем требует непериодического поведения. Робот сталкивается с множественными точками контакта тела с поверхностью и большим разнообразием ситуаций. Возникает проблема разреженности наградных сигналов — алгоритму сложно понять, какие действия привели к успеху, потому что положительная обратная связь приходит только после целого комплекса действий, когда робот наконец устойчиво стоит на ногах.

👨‍🔬 Инженеры из Университета Иллинойса придумали, как обойти проблему недостатка мотивации. Они разделили одну крайне сложную задачу на две попроще: сначала найти траектории, чтобы "просто как-нибудь подняться", а затем оптимизировать решение — сделать движения плавными, энергоэффективными и подходящими к различным поверхностям. Вместо одного сложного процесса обучения с редкими подкреплениями получается две последовательных задачи, каждая из которых решается эффективнее.

В результате полевые испытания Unitree G1 выглядят как занятия в хореографическом училище — робот демонстрирует почти органическую пластику.

Unitree G1 уверенно поднимается на разных поверхностях: от гладкого бетона до скользкого снега и травянистых склонов с уклоном до 10°. Успешность — 78,3%. Причем алгоритм учитывает особенности конструкции и больше использует мощные ноги (с моторами на 83 Н), чем слабые руки (всего 25 Н).

По словам разработчиков алгоритма, это "первая успешная демонстрация обученных алгоритмов подъема для гуманоидных роботов человеческого размера в реальном мире". Ещё один шаг к автономным машинам, способным работать в сложных человеческих средах.

Интересно, подадут ли они руку, когда мы упадем? 🤔

#роботы #AI #будущее

BY Santry's Singularity blog