Zobacz, jak porusza się ten pies-robot.
Najpierw kłusuje, potem skacze. Nikt mu nie wydaje poleceń. Po prostu samo się przełącza.
To jest HORK KAIST. Waży około 45 kilogramów (100 funtów) i porusza się z płynnością, która wcześniej wydawała się niemożliwa dla maszyn tego typu. Za pomocą kamer i lidara robot skanuje powierzchnię przed sobą. Następnie wybiera odpowiedni krok: poziomy kłus na równym terenie i szybki bieg z wyskokiem w celu pokonywania przeszkód. Wszystko to dzieje się w czasie rzeczywistym: robot samodzielnie koryguje ruch nóg, bez interwencji zewnętrznej.
Naukowcy przetestowali urządzenie na otwartych przestrzeniach. Przejechali robotem przez kampus uniwersytecki, pokonując 1,1 km asfaltu, a następnie wysłali go do lasu. Tam robot pokonał 0,3 km szlaku zaśmieconego korzeniami, kłodami i śliskimi liśćmi. Zajmował się wszystkim. Szczegóły badania opublikowano 15 lipca w czasopiśmie Science Robotics.
Jaka jest trudność?
Zwierzęta stale zmieniają sposób poruszania się. Czy zauważyłeś, jak pies zwalnia i przechodzi w kłus po nierównym terenie, a gdy droga jest już oczyszczona, z łatwością przeskakuje kij? Jest to dla nich naturalny proces.
Dla robota jest to całkowicie nienaturalne. To skomplikowane.
Zazwyczaj kłus i skoki programuje się w zupełnie odrębnych systemach. Przełączanie między nimi powoduje opóźnienia. Opóźnienia prowadzą do potknięć. Potknięcie oznacza, że robot jest uszkodzony lub działa nieprawidłowo. To właśnie w luce pomiędzy dwoma stylami programowania roboty „umierają”.
Zespół badawczy musiał zbudować pomost między tymi systemami.
„Mózg” kryjący się za „mięśniami”
Stworzyli system o nazwie APT-RL.
Jest to skrót od Action Pretrained Transformer-Based Reinforcement Learning. Nazwa jest skomplikowana. Koncepcja jest prostsza.
Po pierwsze, sztuczna inteligencja nauczyła się różnych ruchów. Model transformatora ujawnił prawidłowości pomiędzy nimi wszystkimi. Następnie w grę wchodzi uczenie się przez wzmacnianie, metodą prób i błędów. Za prawidłowe działania – zachęta, za błędy – grzywna.
Ale skąd pochodzą dane szkoleniowe?
Prawdziwy robot jeszcze nie istniał. Zaczęli od modelu dwuwymiarowego. Prosta symulacja komputerowa. Korzystając z optymalizacji trajektorii, dowiedzieli się, jakie ruchy są fizycznie możliwe dla kończyn. Wygenerowali 180 milionów sekwencji: krótkich fragmentów kłusu i skoków. Obliczono siły potrzebne do działania połączeń. Utworzenie tego zbioru danych zajęło tylko osiem minut. Piętnaście godzin danych o ruchu drogowym, gotowych w czasie potrzebnym do zagotowania wody.
Sztuczna inteligencja musiała następnie nauczyć się wybierać, kiedy użyć jakiego ruchu.
Symulacja rzucała na ścieżkę robota różne przeszkody: schody, kamienie, przez które można przeskakiwać, barierki, dziury, nierówne podłoże. Robot musiał sam zdecydować, jakiej umiejętności użyć i jak ją dostosować na bieżąco.
Tutaj zaczyna się zabawa. Do symulacji dodano kamery głębinowe i lidary. Robot musiał „widzieć” w taki sam sposób, w jaki widziałoby prawdziwe urządzenie.
„System wybiera odpowiednią wysokość tonu i dostosowuje ruchy w czasie rzeczywistym na podstawie danych wizualnych.”
Podczas jednego z testów prowadzonych w pomieszczeniu robot pokonał przeszkodę wysoką na dwie stopy (około 60 cm). Zrobił to z prędkością 15 kilometrów na godzinę (około 9 mil na godzinę). Skoczył nawet z trzystopniowej drabiny.
Zwróć uwagę, jak wybierał swoje ruchy. Niska prędkość? Ryś. Nierówna powierzchnia? Zszedł niżej i działał ostrożniej. Wysoka prędkość? Długie kroki? Bieg skokowy.
Zawsze podejmował właściwą decyzję. Wersja oprogramowania przeznaczona tylko dla kłusów często ulegała awarii. To samo stało się z wersją wymuszającą jedynie skoki. A co z wersją hybrydową? Stabilny.
Czy to tylko sztuczka?
Nie. Robot nauczył się zachowań, których najwyraźniej go nie nauczono. Na przykład przeskoczenie kłody. Początkowe dane do treningu zakładały płaską powierzchnię. Dziennika nie było w planie. Ale sztuczna inteligencja odniosła sukces, ponieważ nauka nie polegała tylko na kopiowaniu, ale na zrozumieniu terenu w trzech wymiarach.
Sam poprawia błędy.
Dostosowuje się.
Takie możliwości zmieniają możliwości tych maszyn w prawdziwym życiu, poza laboratorium. Idealnie równe podłogi nie są już wymagane.
Czy w najbliższej przyszłości zobaczycie takiego robota w firmie kurierskiej? Może.
A może zostanie w kampusie na dłużej.
