[ad_1]

محدودیت های مجازی: آموزش Gain برای آموزش ربات ها برای پیاده روی در شبیه سازی قبل استفاده می شود ، اما انتقال این توانایی به دنیای واقعی دشوار است. چلسی فین ، محقق هوش مصنوعی و رباتیک دانشگاه استنفورد که در این ماجرا دخیل نبود ، گفت: “بسیاری از فیلم هایی که از عوامل مجازی می بینید به هیچ وجه واقعی نیستند. اختلافات کوچک بین قوانین فیزیکی شبیه سازی شده در یک محیط مجازی و قوانین فیزیکی واقعی خارج از آن – مانند نحوه کار اصطکاک بین پاهای ربات و زمین – می تواند منجر به خرابی های بزرگ شود وقتی که ربات سعی کند آنچه را آموخته است به کار ببرد. اگر یک حرکات کوچک باشد ، یک ربات دو پا سنگین می تواند تعادل خود را از دست داده و سقوط کند.

شبیه سازی دوگانه: اما آموزش یک ربات بزرگ از طریق آزمون و خطا در دنیای واقعی خطرناک خواهد بود. برای دور زدن این مشکلات ، تیم برکلی از دو سطح محیط مجازی استفاده می کند. در اولین نسخه شبیه سازی شده ، کاسی راه رفتن را با استفاده از یک پایگاه داده بزرگ موجود از حرکات ربات یاد گرفت. این شبیه سازی سپس به یک محیط مجازی دوم به نام SimMechanics منتقل شد که فیزیک دنیای واقعی را با درجه دقت بالایی منعکس می کند ، اما به هزینه کار کندتر از زندگی واقعی. فقط یک بار که کسی در حال قدم زدن خوب به نظر می رسید ، الگوی پیاده روی آموخته شده ای در ربات واقعی بارگیری شد.

کاسی واقعی بدون تنظیم دقیق اضافی قادر بود با استفاده از مدلی که در شبیه سازی آموخته است راه برود. این می تواند در زمین های ناهموار و لغزنده راه برود ، بارهای غیر منتظره ای را حمل کند و از فشار خارج شود. در طی آزمایش ، کاسی به دو موتور پای راست خود آسیب رساند اما موفق شد حرکات خود را برای جبران آن تنظیم کند. فین فکر می کند این یک کار هیجان انگیز است. ادوارد جونز ، مدیر آزمایشگاه رباتیک در کالج امپریال لندن ، با این نظر موافق است. وی گفت: “این یکی از موفق ترین نمونه هایی است که من دیده ام.”

تیم برکلی امیدوار است که با استفاده از رویکرد خود به کارنامه کاسی اضافه کند. اما به زودی انتظار رقص نداشته باشید.

[ad_2]

منبع: unbox-khabar.ir