Schauen Sie sich den Roboterhund an.
Es trabt. Dann grenzt es ab. Kein Mensch sagt ihm, was er tun soll. Es wechselt einfach.
Das ist der KAIST HOUND. Es wiegt etwa 45 Kilogramm (100 Pfund) und bewegt sich mit einer Flüssigkeit, die früher für Maschinen dieser Art unmöglich war. Es verwendet Kameras und Lidar, um den Boden vor sich zu betrachten. Dann wählt es einen Gang. Ein gleichmäßiger Trab für die flachen Teile. Ein schneller, sprunghafter Lauf zu den Lücken. All dies geschieht in Echtzeit, indem es seine Beine verstellt, ohne um Erlaubnis zu fragen.
Das haben die Forscher draußen bewiesen. Sie fuhren mit dem Bot durch einen Universitätscampus, etwa 1,1 Kilometer auf dem Bürgersteig. Dann schickten sie es in den Wald. Ein 0,2 Meilen langer Pfad, der mit Wurzeln, Baumstämmen und rutschigen Blättern bedeckt ist. Es hat alles gemeistert. Die Details erschienen am 15. Juli in Science Robotics.
Warum es schwer ist
Tiere ändern ständig ihren Gang. Wissen Sie, wie ein Hund langsamer wird, um über unebenen Boden zu traben, und dann über einen Stock springt, wenn der Weg frei wird? Es fühlt sich natürlich an.
Es ist überhaupt nicht selbstverständlich, dies in einem Roboter zu tun. Es ist schwierig.
Normalerweise werden Trab und Sprung durch völlig unterschiedliche Systeme kodiert. Das Umschalten zwischen ihnen führt zu Verzögerungen. Verzögerung bedeutet Stolpern. Stolpern bedeutet, dass der Roboter kaputt geht oder versagt. Die Lücke zwischen zwei Codierungsstilen ist der Grund, warum Roboter sterben.
Das Team brauchte eine Brücke.
Das Gehirn hinter der Muskelkraft
Sie bauten etwas namens APT-RL.
Es steht für Action Pretrained Transformer-based Reinforcement Learning. Der Name ist ein Bissen. Das Konzept ist einfacher.
Zunächst untersuchte die KI eine Reihe von Aktionen. Ein Transformatormodell untersuchte die Muster bei allen. Dann begann das verstärkende Lernen. Versuch und Irrtum. Belohnungen für gute Spielzüge, Strafen für schlechte.
Aber woher kamen die Daten?
Sie haben noch keinen echten Roboter gebaut. Sie begannen in 2D. Ein einfaches Computermodell. Sie nutzten die Optimierung der Flugbahn, um herauszufinden, was physikalisch für die Beine funktioniert. Sie generierten 180,0 Millionen Sequenzen. Kurze Trab- und Sprungausbrüche. Sie berechneten die benötigten gemeinsamen Kräfte. Die Erstellung dieses Datensatzes dauerte acht Minuten. Bewegungsdaten im Wert von 15 Stunden. Fertig in der Zeit, die zum Kochen von Wasser benötigt wird.
Als nächstes musste die KI lernen, wann sie was verwenden sollte.
Die Simulation warf ihm Hindernisse entgegen. Treppe. Trittsteine. Hürden. Lücken. Rauer Boden. Der Bot musste herausfinden, wie er die richtige Fertigkeit auswählt und sie im Handumdrehen ändert.
Und hier ist der Clou. Die Simulation fügte Tiefenkameras und Lidar-Scanner hinzu. Es musste so „sehen“, wie es der echte Bot tun würde.
„Das System wählt geeignete Gangarten aus und passt Bewegungen in Echtzeit basierend auf visuellen Eingaben an.“
In einem Indoor-Test überwand das Ding ein zwei Fuß hohes Hindernis. Dabei wurden 15 Kilometer pro Stunde (ca. 9 Meilen pro Stunde) erreicht. Es sprang sogar drei Stufen hinunter.
Beachten Sie, wie es seine Bewegungen wählte. Niedrigere Geschwindigkeiten? Es trottete. Unebener Boden? Es blieb niedrig und vorsichtig. Hohe Geschwindigkeiten? Große Schritte? Es ist gebunden.
Es hat jedes Mal den richtigen Anruf getätigt. Eine Version der Software, die nur auf das Traben beschränkt war, schlug häufig fehl. So wurde die Version gezwungen, nur zu binden. Der Hybrid? Konsistent.
Ist das nur ein Trick?
Nein. Der Roboter hat Verhaltensweisen gelernt, die ihm nie explizit beigebracht wurden. Als würde man über einen Baumstamm springen. Die ursprünglichen Trainingsdaten waren flach. Das Protokoll war nicht im Plan. Aber die KI hat es herausgefunden, weil es beim Training nicht nur ums Kopieren ging, sondern darum, das Gelände in drei Dimensionen zu verstehen.
Es korrigiert sich.
Es passt sich an.
Dies ist die Art von Dingen, die das verändern, was diese Maschinen außerhalb eines Labors tatsächlich tun können. Keine ebenen Böden mehr erforderlich.
Werden Sie als nächstes jemanden sehen, der Pakete ausliefert? Vielleicht.
Oder vielleicht bleibt es eine Weile auf dem Campus.
