Ein Roboterhund lernt in 20 Minuten, auf unebenem Gelände zu laufen; Schau das Video

Forscher der University of California, Berkeley, haben eine Datei erstellt Roboterhund Kann in 20 Minuten lernen, auch auf für Roboter schwierigem Gelände zu gehen, wie z. B. einer Wiese, einem Waldweg oder einer Memory-Foam-Matratze. a Roboter verwenden Algorithmus Es heißt Q-Learning (allgemein in der Simulation verwendet), das kein Training in einem funktionalen Geländemodell erfordert.

Diese Art von maschinelles Lernen benutzt in Suche Es wurde Deep Reinforcement Learning genannt, bei dem ein Roboter für jede Aktion, die er unternimmt, Belohnungen erhält, je nachdem, wie gut er vorgegebene Ziele erreicht.

Der Roboter wiederholt die Experimente ständig und vergleicht sie mit den zuvor erhaltenen positiven Ergebnissen, bis er lernt, auf dem Boden zu gehen.

Dieser Prozess unterscheidet sich von dem, der bei den meisten autonomen Robotern dieser Art verwendet wird, die nach Tests laufen lernen Simulation von Gelände oder Bewegungen, die von Menschen programmiert wurden. Diese Bots kämpfen oft, wenn sie konfrontiert werden Umgebungen Nicht wissende oder unerwartete Hindernisse.

Der Roboterhund ist gut, muss aber noch verbessert werden

Der Roboterhund hat erfolgreich gelernt, selbstständig zu laufen, aber laut den Forschern müssen sie das Belohnungssystem des Roboters verbessern, um zu lernen, andere Aufgaben auszuführen.

„In gewisser Weise ist es der Art und Weise, wie Menschen lernen, sehr ähnlich“, sagte Teammitglied Ilya Kostrekov von der University of California, Berkeley, der Website.neue Welt„.“ Interagieren Sie mit einer Umgebung, profitieren Sie von einigen Vorteilen und denken Sie hauptsächlich über Ihre bisherigen Erfahrungen nach und versuchen Sie zu verstehen, was hätte verbessert werden können. „

„Ich finde es sehr beeindruckend“, sagt Chris Watkins von Royal Holloway, University of London. „Ich bin ehrlich gesagt ein wenig überrascht, dass man mit so etwas Einfachem wie Q-Learning Fähigkeiten wie das Gehen auf verschiedenen Oberflächen mit so wenig Erfahrung und so schnell in Echtzeit lernen kann.“