Un team della Georgia Tech ha presentato un nuovo approccio per insegnare a un umanoide bipede a camminare su terreni irregolari. Il dottorando Feiyang Wu ha guidato il lavoro su un controllore per l'intero corpo che risulta computazionalmente più veloce e meno costoso rispetto alle tecniche principali. Il controllore è stato testato su sabbia, erba, ghiaia, pendenze, scale e terreno pianeggiante.
Il gruppo ha ripensato il tradizionale metodo di reinforcement learning noto come teacher and student learning. I ricercatori hanno spiegato che il metodo standard richiede molto tempo perché teacher e student vengono addestrati in sequenza e può sprecare informazioni utili raccolte dal teacher. La soluzione proposta è addestrare teacher e student contemporaneamente, così il teacher insegna gradualmente allo student e impara anche dai dati dello student, riducendo il divario di imitazione.
Dopo l'addestramento in simulazione, il controllore è stato implementato su un umanoide fisico nel laboratorio di Ye Zhao. Il robot ha camminato con scioltezza su superfici diverse e si è adattato quando è stato spinto o tirato. Il framework, chiamato "Learn to Teach", è pensato per essere applicabile anche ad altri progetti robotici.
Parole difficili
- umanoide — robot con forma simile a un essere umano
- bipede — che cammina su due gambe
- controllore — software che governa il movimento del robot
- simulazione — esperimento fatto con un modello al computer
- addestrare — insegnare un comportamento a un robot o programmaaddestrati, addestramento
- 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 pensi abbia insegnare teacher e student contemporaneamente invece che in sequenza? Spiega con due motivi.
- Hai visto o usato robot che si muovono su superfici difficili (sabbia, erba, ghiaia)? Quali problemi noti più spesso?
- In quali situazioni pratiche sarebbe utile un umanoide che cammina bene su terreni irregolari? Fai due esempi.
Articoli correlati
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.
Perché le particelle rendono più forte la gomma
Ricercatori della University of South Florida hanno spiegato perché l'aggiunta di particelle microscopiche rinforza la gomma. Hanno usato vaste simulazioni al computer e individuato un ruolo del coefficiente di Poisson nella maggiore rigidità.
SAIL: robot che imparano a muoversi più velocemente
Ricercatori della Georgia Tech hanno sviluppato SAIL, uno strumento che permette ai robot di eseguire compiti molto più velocemente delle dimostrazioni umane, mantenendo precisione. Il sistema è stato testato in simulazione e su robot fisici.