Ricercatori della Georgia Tech hanno sviluppato e dimostrato un nuovo framework per insegnare a un umanoide bipede a deambulare su terreni reali e irregolari. Il lavoro, guidato dal dottorando Feiyang Wu e presentato alla IEEE International Conference on Robotics and Automation, propone un controllore per l'intero corpo che richiede meno risorse di calcolo e costi di addestramento rispetto ai metodi principali.
Il contributo chiave riguarda una revisione del paradigma teacher and student learning. Nel metodo tradizionale un agente "teacher" viene addestrato prima con informazioni dettagliate della simulazione e poi trasferisce le sue conoscenze a uno "student" che ha informazioni limitate, come un robot reale. I ricercatori hanno individuato due problemi principali: il lungo tempo di addestramento in sequenza e la possibile dispersione di informazioni utili del teacher. La soluzione proposta addestra teacher e student contemporaneamente; il teacher continua a esplorare e insegna gradualmente, mentre si arricchisce dai dati prodotti dallo student. Questo approccio riduce il divario di imitazione teacher-student e accelera il processo.
Dopo l'addestramento in simulazione, il team ha implementato il controllore su un umanoide fisico nel laboratorio di Ye Zhao. Il robot ha camminato con scioltezza su sabbia, erba, ghiaia, pendenze, scale e terreno pianeggiante, e si è adattato a spinte e trazioni durante le prove. Il framework, denominato "Learn to Teach", è concepito come generico e applicabile ad altri compiti robotici. Il lavoro è frutto di una collaborazione tra la George W. Woodruff School of Mechanical Engineering e la School of Computational Science and Engineering, e ha ricevuto finanziamenti dall'Office of Naval Research, dal US Department of Agriculture e dalla National Science Foundation.
Parole difficili
- framework — struttura concettuale o metodo per un compito
- umanoide — robot con corpo e aspetto simile a umano
- controllore — software o sistema che gestisce il movimento
- addestramento — apprendimento e pratica per migliorare abilità del robot
- simulazione — modello o ambiente virtuale che imita la realtà
- paradigma — modello teorico o modo di affrontare un problema
- insegnare — trasmettere conoscenze o abilità a qualcunoinsegna
- divario — differenza o distanza tra due livelli o stati
Suggerimento: passa il mouse o tocca le parole evidenziate nell’articolo per vedere definizioni rapide mentre leggi o ascolti.
Domande di discussione
- Quali vantaggi pratici può portare l'addestramento simultaneo di teacher e student nella robotica reale?
- In che altri compiti robotici potrebbe essere utile il framework "Learn to Teach"? Spiega il motivo.
- Quali difficoltà o rischi immagini quando si trasferisce un controllore da simulazione a un robot fisico?
Articoli correlati
Perché i modelli faticano a moltiplicare numeri a quattro cifre
Una ricerca spiega che i modelli linguistici non conservano valori intermedi necessari per moltiplicare numeri a quattro cifre. Un metodo chiamato ICoT e un obiettivo di addestramento mirato migliorano molto i risultati.
Mano robotica che afferra oggetti fragili
Ricercatori della University of Texas at Austin hanno sviluppato FORTE, una mano robotica con sensori tattili e dita morbide in stampa 3D. In test su vari oggetti il sistema ha mostrato alta precisione nella presa e nel rilevamento dello scivolamento.
