南通航模重工机械有限公司

中国折弯机、卷板机生产基地,航力重工,品牌象征!

0513-85250658
新闻动态

可以学习指向未来的机器狗

发布时间:2021/2/5
  首先将狗踢倒,然后推开,然后用棍子推。每次它站起来。
  但是不要急于打电话给动物福利部门-这是一条在爱丁堡大学接受训练的机器狗。
  亚历克斯·李(Alex Li)是该大学高级机器人实验室的负责人,也是将人工智能(AI)应用于机器人技术的领先者之一。
  控制他的狗的AI可以应付从未见过的情况,例如光滑的表面或楼梯。
  而且,如果您曾经看过机器人摔倒的互联网录像,那么您将体会到实现这一目标的难度。
  那么,李先生和他的团队如何训练他们的狗叫Ju英,或者至少是控制它的AI?
  李先生将这一过程比喻为幼儿教育踢足球的方式。首先,可能会教他们传球,盘带和投篮等个人技能。
  一旦他们掌握了这些基础知识,他们可能会在简单的比赛中被放宽,在那里他们将学习如何将这些技能结合在一起来赢得比赛。
  这种对人类来说很自然的学习方式是公司和研究人员试图在机器中复制的东西。
  机器狗最初被教导了两种技能-跌倒恢复,小跑和步行,而每种技能都是在不同的人工神经网络中开发的。
  神经网络依赖于节点之间成千上万个微小连接的层,数学计算的簇,并且可以随着训练而适应。
  前八个技能集被用作创建其他技能集的基础-总共八个神经网络。
  如果那八个人是足球队的球员,那么最后的任务就是创建一个教练-一种AI,可以将他们的技能集中起来解决某些问题,例如从不同的位置站起来并走向目标。
  该技术的优点和潜在用途是可以将机器狗引入全新的场景中,例如在楼梯或岩石表面上导航,并可以进行闪电般的快速调整以保持直立并继续其目标。
  Li先生听起来可能并不多,但他希望可以开发这种方法,以便机器人可以完成更复杂的任务。
  他说:“运动当然很酷,您可以看到机器人到处乱跑并起床。但是到了一天结束时,您希望机器人为您做一些有用的事情。”
  这将需要增加视觉系统和机械手之类的功能,从而增加许多复杂程度。
  李先生的工作建立在DeepMind Technologies的研究基础上,该公司是Alphabet的人工智能部门(谷歌的所有者),总部位于伦敦。
  他们一直是称为“深度强化学习”的技术的领导者,通过这种技术,神经网络可以从经验中学习。
  2016年3月9日,在首尔举行的Google DeepMind挑战赛。
  DeepMind使用该技术开发了在国际象棋和围棋中击败人类大师的人工智能,并成为了电脑游戏《星际争霸》的顶级玩家。
  Raia Hadsell是DeepMind机器人实验室的负责人。她说,将人工智能与运动相结合是另一个挑战。
  她指出:“您的行动改变了世界。” 因此,与例如下棋的AI不同,在家里执行任务的机器人将不得不应对变化的环境-想象一下,机器人在进行清洗并使用最后的清洗液。
  但是,如果能够成功开发这种方法,那么回报将是巨大的。
  “我认为您将开始看到机器人可以安全地被人类更多地使用,因为您将能够与这些机器人进行更多的交互。因此,他们开始在家庭中执行任务的能力越来越强, “ 她说。
  “但可能更重要的是,用在工业,农业,建筑的某些部分。想象一下,能够为农民提供具有通用目的的机器人,并且可以模仿不同类型的行为。”
  但是,不要认为您还可以放弃熨烫。
  Hadsell女士说:“我认为这不会在未来几年内出现,但也许在未来10年内会出现。”
  李先生的机器狗通过关节和电机的反馈(相对简单的一组输入)来感知世界。输出非常简单-狗向目标行走或小跑。
  内森·勒波拉(Nathan Lepora)是布里斯托尔机器人实验室的机器人学和AI教授。他还一直在训练AI来移动,而不是训练机器狗,而是训练具有触觉的机器人手。
  他的AI可以使用人工触摸来识别物体。尽管仍处于早期阶段,但他认为培训AI以感知其环境并四处移动可能非常强大。
  “ AI开辟了更多的通用方法来学习如何进行控制,而不是手工制造简单的控制器。这就是区别。这就是深度强化学习的意义。
  “并且深层强化学习还提供了使用更复杂的感觉输入进行控制的功能。”
  但是,要训练可以控制配备各种传感器的类人机器人的AI并非易事。
  Lepora教授说:“(参与)制造这些机器人的机械工程水平已经超出了我们控制它们的能力,因为它们是如此复杂。这就是目前正在解决的问题。”大流行打击石油需求,荷兰皇家壳牌石油公司将蒙受巨大损失