Когда-нибудь, когда случаются землетрясения, пожары и наводнения, первыми, кто отреагирует, станут стаи собак-роботов-спасателей, спешащих на помощь застрявшим душам. Эти четвероногие животные, работающие на батарейках, будут использовать компьютерное зрение, чтобы оценивать препятствия, и применять собачьи навыки ловкости, чтобы преодолеть их.

Для достижения этой благородной цели исследователи искусственного интеллекта из Стэнфордского университета и Шанхайского института Ци Чжи говорят, что они разработали новый алгоритм, основанный на зрении, который помогает роботам-собакам взбираться на высокие объекты, перепрыгивать пропасти, ползать под порогами и протискиваться через щели, а затем устремляться к ним. следующий вызов. Алгоритм представляет собой мозг собаки-робопа.

«Автономность и диапазон сложных навыков, которым научился наш четвероногий робот, весьма впечатляют», — сказала Челси Финн, доцент кафедры информатики и старший автор новой рецензируемой статьи, в которой излагается подход команд к миру, который будет представлен. на предстоящей конференции по обучению роботов, которая пройдет 6–9 ноября в Атланте. «И мы создали его, используя недорогих, готовых роботов — на самом деле, двух разных готовых роботов».

Ключевым достижением, по словам авторов, является то, что их робот-собака является автономным, то есть он способен оценивать физические проблемы и воображать, а затем применять широкий спектр навыков ловкости, основываясь просто на препятствиях, которые он видит перед собой.

«Мы объединяем восприятие и контроль, используя изображения с камеры глубины, установленной на роботе, и машинное обучение для обработки всех этих входных данных и перемещения ног, чтобы преодолевать, под и обходить препятствия», — сказал Зипэн. Фу, докторант лаборатории Финна и первый автор исследования, вместе с Цзывен Чжуаном из Шанхайского института Ци Чжи.

Упрощение для оптимизации

Это не первый робот-собак, демонстрирующий такую ​​ловкость (класс легкой атлетики, известный как «паркур»), но он впервые сочетает самодостаточность с широким спектром навыков.

«Наши роботы обладают как зрением, так и автономией — спортивным интеллектом, позволяющим оценить задачу, самостоятельно выбирать и выполнять навыки паркура в зависимости от требований момента», — сказал Фу.

Существующие методы обучения часто основаны на сложных системах вознаграждения, которые необходимо адаптировать к конкретным физическим препятствиям. Соответственно, они плохо масштабируются в новых или незнакомых средах. Другие похожие подходы учатся использовать реальные данные для имитации навыков ловкости других животных. Этим робособам не хватает широкого набора навыков и способностей зрения, свойственных новым робособам. Оба существующих метода также являются «запаздывающими» в вычислительном отношении — другими словами, медленными.

Это первое приложение с открытым исходным кодом, которое достигает этих целей с помощью простой системы вознаграждений, не использующей реальные справочные данные, пишут авторы в исследовании.

Чтобы добиться успеха, они сначала синтезировали и отточили алгоритм с помощью компьютерной модели, а затем перенесли его на двух реальных собак-роботов. Затем, в процессе, называемом обучением с подкреплением, роботы пытались двигаться вперед любым удобным для них способом и получали вознаграждение в зависимости от того, насколько хорошо они справились. Именно так алгоритм в конечном итоге узнает, как лучше всего подойти к новой задаче.

На практике большинство существующих систем вознаграждения в обучении с подкреплением включают слишком много переменных, чтобы быть эффективными, что замедляет производительность вычислений. Именно это делает оптимизированный процесс вознаграждения за паркур с роботами-собагами исключительным, хотя и на удивление простым.

«На самом деле это довольно просто», — сказал Финн. «Мы основывали это в основном на том, насколько далеко вперед движется робот, и на количестве усилий, которые он приложил для этого. В конечном итоге робот изучает более сложные двигательные навыки, которые позволяют ему продвигаться вперед».

Реальные тесты

Затем команда провела обширные эксперименты с использованием реальных собак-рободогов, чтобы продемонстрировать свой новый подход к маневренности в особенно сложных условиях, используя только готовые компьютеры, визуальные датчики и системы питания этих собак-роботов.

В общих цифрах новые и улучшенные роботы-собаки были способны преодолевать препятствия, превышающие их высоту более чем в полтора раза, преодолевать промежутки в прыжках, превышающие их длину более чем в полтора раза, ползать под барьерами на три четверти. своего роста и наклоняются, чтобы протиснуться в щель, которая тоньше их ширины.

Далее команда надеется использовать достижения в области 3D-видения и графики для добавления реальных данных в моделируемые среды, чтобы вывести свой алгоритм на новый уровень реальной автономности.