amerikali
Yeni Üye
Stanford Üniversitesi ve Şangay Qi Zhi Enstitüsü’ndeki bilim insanları, dört ayaklı robotların genellikle hantal olan hareketlerini daha dinamik hale getirme görevini üstlendiler. Dört ayaklı arkadaşların kurtarma operasyonları sırasında engelleri daha ustalıkla aşabilmeleri için uygun hale getirilmesi gerekiyor. Bu, yapay zeka algoritmaları, takviyeli öğrenme ve görüşe yönelik 3 boyutlu derinlik kameralarının yardımıyla elde ediliyor.
Reklamcılık
Bilim insanları tarafından geliştirilen algoritmalar, ticari olarak satılan bir robot köpeğe otonom olarak hareket etme, engelleri bağımsız olarak tanıma ve bunları aşmak için gerekli hareketleri gerçekleştirme yeteneği kazandırıyor. Araştırmacılar, 6 – 9 Kasım tarihleri arasında gerçekleşecek olan Robot Öğrenimi Konferansı’nda sunulacak olan “Robot Parkour Öğrenme” (PDF) bilimsel makalesinde, robot köpeğin otonom olarak hareket edebilmesi çok önemli. Atlanta’da. Algoritmalar açık kaynaklıdır ve bir Github projesinde ücretsiz olarak kullanılabilir.
Robot köpek böylece fiziksel zorlukları değerlendirebiliyor, bir engelin üstesinden gelmek için kullanılabilecek çok çeşitli hareket becerilerini “hayal edebiliyor” ve uygulayabiliyor.
Henüz yayınlanmamış çalışmaya katılan bilim adamlarından biri olan Zipeng Fu, “Robota bağlı bir derinlik kamerasından gelen görüntüleri ve makine öğrenimini kullanarak algı ve kontrolü birleştiriyoruz” diyor. “Tüm bu girdiler, engellerin üzerinden, altından ve çevresinden geçmek için bacakları hareket ettirmek üzere işleniyor.”
Önerilen editoryal içerik
İzniniz üzerine harici bir YouTube videosu (Google Ireland Limited) buraya yüklenecektir.
YouTube videosunu her zaman yükle
Şimdi YouTube videosunu indirin
Video, Robodog parkurunda robot köpeklerin çevik becerilerini gösteriyor.
Geleneksel öğrenme yöntemleri genellikle belirli engellere göre uyarlanmış karmaşık ödül sistemlerine dayanır. Bilim insanları, ancak yeni engellerle dolu yeni ortamlara büyük çaba sarf ederek uyum sağlayabileceklerini yazıyor. Benzer yöntemler, robotlara gerçek hayvanların çeviklik yeteneklerini taklit etmeyi öğretmek için gerçek dünya verilerini kullanıyor. Ancak bu robotların pek çok yeteneği yoktur ve göremezler.
Basitleştirilmiş takviyeli öğrenme
Stanford bilim adamları bu nedenle farklı bir yaklaşım benimsediler ve takviyeli öğrenmeyi görsel algıyla birleştirdi. Bunu yapmak için bilim insanları, robot köpeklerin entegre ettiği mevcut sensörleri ve kameraları kullandılar. Bunu yapmak için bilgisayar modeline dayalı bir algoritma geliştirdiler, bunu iyileştirdiler ve daha sonra iki gerçek robot köpeğe aktardılar. Algoritmalara dayanarak, iki robot onları özel olarak inşa edilmiş bir Robodog Parkour’da hayal edilebilecek her şekilde hareket ettirdi. Başarılı olursa robot köpekler ödüllendirildi. Takviyeli öğrenme yoluyla algoritma ve dolayısıyla robot köpek, yeni bir görevi en iyi şekilde nasıl halledebileceğini yavaş yavaş öğrenir.
Kolaylaştırılmış ödül süreci, takviyeli öğrenmenin değerlendirilmesi için çok fazla değişken gerektirmemesini sağlar. Araştırmacılar buna göre daha az bilgi işlem gücüne ihtiyaç duyulduğunu ve öğrenme sürecinin genel olarak daha etkili olduğunu yazıyor.
Stanford Üniversitesi’nde bilgisayar bilimi profesörü ve araştırmanın baş yazarı Chelsea Finn, “Aslında oldukça basit” diyor. “Biz esas olarak robotun ne kadar ileri gittiğine ve ne kadar güç kullandığına odaklanıyoruz. Zamanla robot, ilerlemesine olanak tanıyan daha karmaşık motor becerileri öğreniyor.”
Araştırma ekibi, robot köpekleri çeşitli engellerle dolu zorlu ortamlarda kapsamlı deneylerle test etti. Robotlar, kendi vücut yüksekliklerinin bir buçuk katından fazla olan engelleri tespit edip üstesinden gelmeyi başardı. Ayrıca vücut uzunluklarının bir buçuk katından daha uzun olan hendeklerin üzerinden atlayabiliyorlardı. Ayrıca robot köpeğin yüksekliğinin dörtte üçü kadar olan engellerin altından da geçebildiler. Ayrıca robotlar, robot köpeğin genişliğinden daha dar olan dar boşlukları eğerek eğilerek geçmeyi başardılar.
(olb)
Haberin Sonu
Reklamcılık
Bilim insanları tarafından geliştirilen algoritmalar, ticari olarak satılan bir robot köpeğe otonom olarak hareket etme, engelleri bağımsız olarak tanıma ve bunları aşmak için gerekli hareketleri gerçekleştirme yeteneği kazandırıyor. Araştırmacılar, 6 – 9 Kasım tarihleri arasında gerçekleşecek olan Robot Öğrenimi Konferansı’nda sunulacak olan “Robot Parkour Öğrenme” (PDF) bilimsel makalesinde, robot köpeğin otonom olarak hareket edebilmesi çok önemli. Atlanta’da. Algoritmalar açık kaynaklıdır ve bir Github projesinde ücretsiz olarak kullanılabilir.
Robot köpek böylece fiziksel zorlukları değerlendirebiliyor, bir engelin üstesinden gelmek için kullanılabilecek çok çeşitli hareket becerilerini “hayal edebiliyor” ve uygulayabiliyor.
Henüz yayınlanmamış çalışmaya katılan bilim adamlarından biri olan Zipeng Fu, “Robota bağlı bir derinlik kamerasından gelen görüntüleri ve makine öğrenimini kullanarak algı ve kontrolü birleştiriyoruz” diyor. “Tüm bu girdiler, engellerin üzerinden, altından ve çevresinden geçmek için bacakları hareket ettirmek üzere işleniyor.”
Önerilen editoryal içerik
İzniniz üzerine harici bir YouTube videosu (Google Ireland Limited) buraya yüklenecektir.
YouTube videosunu her zaman yükle
Şimdi YouTube videosunu indirin
Video, Robodog parkurunda robot köpeklerin çevik becerilerini gösteriyor.
Geleneksel öğrenme yöntemleri genellikle belirli engellere göre uyarlanmış karmaşık ödül sistemlerine dayanır. Bilim insanları, ancak yeni engellerle dolu yeni ortamlara büyük çaba sarf ederek uyum sağlayabileceklerini yazıyor. Benzer yöntemler, robotlara gerçek hayvanların çeviklik yeteneklerini taklit etmeyi öğretmek için gerçek dünya verilerini kullanıyor. Ancak bu robotların pek çok yeteneği yoktur ve göremezler.
Basitleştirilmiş takviyeli öğrenme
Stanford bilim adamları bu nedenle farklı bir yaklaşım benimsediler ve takviyeli öğrenmeyi görsel algıyla birleştirdi. Bunu yapmak için bilim insanları, robot köpeklerin entegre ettiği mevcut sensörleri ve kameraları kullandılar. Bunu yapmak için bilgisayar modeline dayalı bir algoritma geliştirdiler, bunu iyileştirdiler ve daha sonra iki gerçek robot köpeğe aktardılar. Algoritmalara dayanarak, iki robot onları özel olarak inşa edilmiş bir Robodog Parkour’da hayal edilebilecek her şekilde hareket ettirdi. Başarılı olursa robot köpekler ödüllendirildi. Takviyeli öğrenme yoluyla algoritma ve dolayısıyla robot köpek, yeni bir görevi en iyi şekilde nasıl halledebileceğini yavaş yavaş öğrenir.
Kolaylaştırılmış ödül süreci, takviyeli öğrenmenin değerlendirilmesi için çok fazla değişken gerektirmemesini sağlar. Araştırmacılar buna göre daha az bilgi işlem gücüne ihtiyaç duyulduğunu ve öğrenme sürecinin genel olarak daha etkili olduğunu yazıyor.
Stanford Üniversitesi’nde bilgisayar bilimi profesörü ve araştırmanın baş yazarı Chelsea Finn, “Aslında oldukça basit” diyor. “Biz esas olarak robotun ne kadar ileri gittiğine ve ne kadar güç kullandığına odaklanıyoruz. Zamanla robot, ilerlemesine olanak tanıyan daha karmaşık motor becerileri öğreniyor.”
Araştırma ekibi, robot köpekleri çeşitli engellerle dolu zorlu ortamlarda kapsamlı deneylerle test etti. Robotlar, kendi vücut yüksekliklerinin bir buçuk katından fazla olan engelleri tespit edip üstesinden gelmeyi başardı. Ayrıca vücut uzunluklarının bir buçuk katından daha uzun olan hendeklerin üzerinden atlayabiliyorlardı. Ayrıca robot köpeğin yüksekliğinin dörtte üçü kadar olan engellerin altından da geçebildiler. Ayrıca robotlar, robot köpeğin genişliğinden daha dar olan dar boşlukları eğerek eğilerek geçmeyi başardılar.
(olb)
Haberin Sonu