Para peneliti di Georgia Tech memperkenalkan kerangka "Learn to Teach" untuk mengajari robot humanoid berjalan di permukaan dunia nyata yang tidak rata. Pengembangan pengendali seluruh tubuh dipimpin oleh Feiyang Wu, mahasiswa PhD bidang pembelajaran mesin, dan hasil kerjanya dipresentasikan pada IEEE International Conference on Robotics and Automation. Penelitian ini adalah kolaborasi antara George W. Woodruff School of Mechanical Engineering dan School of Computational Science and Engineering.
Pendekatan itu merevisi metode pembelajaran penguatan guru-murid yang umum dipakai. Dalam praktik standar, agen guru disimulasikan dan dilatih terlebih dulu dengan informasi rinci, lalu hasilnya diajarkan ke agen murid yang punya informasi lebih terbatas. Tim mengidentifikasi dua kelemahan: pelatihan berurutan memakan waktu lama dan proses transfer dapat membuang data berguna yang dikumpulkan guru, sementara simulasi memerlukan banyak jam komputasi pada GPU.
Sekarang guru dan murid dilatih bersamaan; guru bertahap mengajarkan murid sekaligus terus belajar dari data murid. Perubahan ini mengurangi kesenjangan imitasi di mana murid kehilangan beberapa informasi penting yang dimiliki guru. Setelah pelatihan di simulasi, pengendali diterapkan pada humanoid fisik di laboratorium Ye Zhao. Robot berjalan lancar di berbagai permukaan dan menyesuaikan diri ketika peneliti mendorong atau menariknya.
Kerangka "Learn to Teach" dirancang bersifat generik dan dapat diterapkan pada desain robot lain serta tugas di luar berjalan. Pekerjaan ini didukung oleh Office of Naval Research, US Department of Agriculture, dan National Science Foundation.
Kata-kata sulit
- kerangka — rangka kerja atau struktur konseptual untuk suatu tugas
- pembelajaran penguatan — cara mengajar agen lewat hadiah dan hukuman
- pengendali seluruh tubuh — komputer atau program untuk mengatur gerak robot
- simulasi — model komputer yang meniru kondisi dunia nyata
- transfer — pemindahan pengetahuan atau data dari satu agen
- kesenjangan imitasi — perbedaan yang membuat murid tidak meniru guru sepenuhnya
Tips: arahkan kursor, fokus, atau ketuk kata yang disorot di dalam teks untuk melihat definisi singkat sambil membaca atau mendengarkan.
Pertanyaan diskusi
- Bagaimana keuntungan melatih guru dan murid secara bersamaan dibandingkan melatih secara berurutan? Jelaskan dengan contoh dari teks.
- Apa tantangan yang mungkin muncul saat menerapkan kerangka "Learn to Teach" pada jenis robot atau tugas lain? Berikan alasan.
- Menurut Anda, mengapa penting mengurangi kebutuhan jam komputasi pada GPU dalam penelitian robotika? Jelaskan pengaruhnya pada pengembangan teknologi.
Artikel terkait
Penyebab Hydroplaning dan Cara Mencegahnya
Hydroplaning terjadi ketika air menumpuk antara ban dan jalan sehingga ban kehilangan cengkeram. Peneliti mempelajari gaya yang menyebabkan hydroplaning dan menyarankan mengemudi lebih lambat serta mengganti ban yang aus sebagai tindakan pencegahan.
Bagaimana Partikel Memperkuat Karet
Tim peneliti di University of South Florida menemukan mekanisme yang menjelaskan mengapa partikel mikroskopis menguatkan karet. Mereka memakai simulasi molekuler dan menemukan peran ketidaksesuaian rasio Poisson pada carbon black dalam membuat karet lebih kaku.
Rumah Aman Butuh Struktur Kuat dan Regulasi Cerdas
Penelitian menemukan bahwa rumah yang lebih tahan bencana memerlukan struktur bangunan yang lebih kuat dan regulasi yang disesuaikan dengan kondisi lokal. Studi ini dipimpin peneliti dari University of Notre Dame dan diterbitkan di jurnal ilmiah.
