Các nhà nghiên cứu tại Georgia Tech, do Feiyang Wu dẫn dắt, đã công bố một phương pháp nhanh hơn và ít tốn kém để huấn luyện robot hình người đi trên địa hình gồ ghề trong thế giới thực. Nhóm phát triển một bộ điều khiển toàn thân mới và thử nghiệm trên nhiều bề mặt mô phỏng dễ tiếp cận trong khuôn viên, gồm cát, cỏ ướt, sỏi, dốc, cầu thang và mặt phẳng ngang.
Bài toán họ giải là cải tiến kỹ thuật học tăng cường theo kiểu giáo viên-học sinh. Trong phương pháp tiêu chuẩn, giáo viên được huấn luyện trước bằng thông tin chi tiết của mô phỏng rồi mới dạy học sinh; quy trình này diễn ra theo thứ tự và tốn nhiều giờ tính toán trên GPU, đồng thời có thể bỏ phí dữ liệu hữu ích. Giải pháp của Georgia Tech là huấn luyện giáo viên và học sinh đồng thời: giáo viên dạy dần học sinh trong khi vẫn tiếp tục học và còn học từ dữ liệu do học sinh tạo ra. Sự thay đổi này giúp giảm khoảng cách bắt chước khi học sinh thiếu một số thông tin mà giáo viên đã dùng.
Sau huấn luyện trong mô phỏng, nhóm triển khai bộ điều khiển lên một robot hình người vật lý trong phòng thí nghiệm của Ye Zhao; robot đi mượt và thích ứng khi bị đẩy hoặc kéo. Khung "Learn to Teach" được thiết kế mang tính tổng quát và có thể áp dụng cho các thiết kế robot khác và cho các nhiệm vụ ngoài việc đi lại. Công trình là kết quả hợp tác giữa George W. Woodruff School of Mechanical Engineering và School of Computational Science and Engineering, và được hỗ trợ bởi Office of Naval Research, US Department of Agriculture và National Science Foundation. Kết quả được trình bày tại Hội nghị Quốc tế IEEE về Robot và Tự động hóa.
Từ khó
- học tăng cường — phương pháp máy học dựa trên phần thưởng
- giáo viên-học sinh — mô hình huấn luyện, một bên dạy bên kia nhận hướng dẫn
- bộ điều khiển — phần mềm và luật điều khiển chuyển động robot
- mô phỏng — môi trường ảo được mô tả bằng máy tính
- triển khai — đưa hệ thống từ mô phỏng sang phần cứng
- tổng quát — có thể áp dụng cho nhiều trường hợp
- thích ứng — thay đổi hành vi để phù hợp hoàn cảnh
Mẹo: di chuột, dùng phím Tab hoặc chạm vào các từ được tô sáng trong bài để xem định nghĩa nhanh ngay khi bạn đọc hoặc nghe.
Câu hỏi thảo luận
- Việc huấn luyện đồng thời giáo viên và học sinh có thể ảnh hưởng thế nào đến thời gian và chi phí phát triển robot trong thực tế? Hãy nêu lý do.
- Khung "Learn to Teach" được mô tả là mang tính tổng quát. Bạn nghĩ nó có thể áp dụng cho những nhiệm vụ hoặc loại robot nào khác? Vì sao?
- So sánh lợi ích và rủi ro khi thử nghiệm bộ điều khiển trên robot vật lý trong phòng thí nghiệm so với chỉ thử trong mô phỏng.
