Команда Georgia Tech под руководством аспиранта Feiyang Wu разработала более быстрый и дешёвый метод обучения гуманоидного робота ходьбе по неровным, реальным поверхностям. Для управления использовали новый контроллер, который работает с управлением всего тела робота.
Исследователи тестировали робота на песке, сырой траве, гравии, склонах, лестницах и на ровной поверхности, найденной или имитируемой на кампусе. В симуляции они обучали систему, а затем проверили её на физическом роботе в лаборатории Ye Zhao.
Команда изменила подход «учитель и ученик» и обучала их одновременно. Благодаря этому обучение стало быстрее, и робот лучше адаптировался при толчках и тягах.
Сложные слова
- гуманоидный — похожий на человека по форме и движениюгуманоидного
- аспирант — студент, который учится для научной степениаспиранта
- контроллер — устройство или программа, управляющая роботом
- симуляция — модель или имитация реальной ситуации на компьютересимуляции
- лаборатория — помещение для научных или технических экспериментовлаборатории
- адаптироваться — менять поведение, чтобы работать в новой ситуацииадаптировался
Подсказка: наведите, сфокусируйтесь или нажмите на выделенные слова, чтобы увидеть краткие определения прямо во время чтения или прослушивания.
Вопросы для обсуждения
- Какие из перечисленных поверхностей вы видели рядом с домом или на работе?
- Почему, по вашему мнению, важно проверять робота и в симуляции, и в реальности?
- Какой результат команды вам кажется самым важным — скорость обучения или лучшая адаптация робота?
Похожие статьи
Почему языковые модели ошибаются при умножении четырёхзначных чисел
Новое исследование показало, что современные большие языковые модели плохо умножают четырёхзначные числа, потому что не хранят и не используют промежуточные результаты. Метод ICoT и дополнительные цели обучения помогают моделям запоминать шаги и давать правильный ответ.
