Questo robot ha imparato a camminare da solo

Un robot che impara a camminare in modo completamente autonomo. Google

Entro 10 minuti dalla sua nascita, un cucciolo di cerbiatto è in grado di stare in piedi. Entro sette ore è in grado di camminare. Tra queste due pietre miliari, si impegna in un agitarsi di arti altamente adorabile e frenetico per capire tutto.

Questa è l'idea alla base della robotica basata sull'intelligenza artificiale. Mentre i robot autonomi, come le auto a guida autonoma, sono già un concetto familiare, in modo autonomo apprendimento i robot sono ancora solo un'aspirazione. Gli algoritmi di apprendimento per rinforzo esistenti che consentono ai robot di apprendere i movimenti attraverso tentativi ed errori fanno ancora molto affidamento sull'intervento umano. Ogni volta che il robot cade o esce dal suo ambiente di addestramento, ha bisogno di qualcuno che lo raccolga e lo rimetta nella posizione corretta.

Ora un nuovo studio dai ricercatori di Google ha fatto un importante progresso verso i robot che possono imparare a navigare senza questo aiuto. In poche ore, basandosi esclusivamente sulle modifiche degli attuali algoritmi all'avanguardia, hanno ottenuto con successo un robot a quattro zampe per imparare a camminare avanti e indietro e girare a sinistra e a destra, completamente da solo.

Il lavoro si basa ricerca precedente condotto un anno fa, quando il gruppo ha scoperto per la prima volta come far apprendere il robot nel mondo reale. L'apprendimento per rinforzo viene comunemente eseguito nella simulazione: un doppelgänger virtuale del robot si agita attorno a un doppelgänger virtuale dell'ambiente finché l'algoritmo non è sufficientemente robusto da funzionare in sicurezza. Viene quindi importato nel robot fisico.

Questo metodo è utile per evitare danni a un robot e all'ambiente circostante durante il processo di tentativi ed errori, ma richiede anche un ambiente facile da modellare. La naturale dispersione della ghiaia o la molla di un materasso sotto il passo di un robot impiegano così tanto tempo per simulare che non ne vale nemmeno la pena.

In questo caso, i ricercatori hanno deciso di evitare del tutto la modellazione delle sfide addestrandosi nel mondo reale fin dall'inizio. Hanno ideato un algoritmo più efficiente che potrebbe apprendere con meno prove e quindi meno errori, e hanno fatto alzare il robot e farlo camminare in due ore. Poiché l'ambiente fisico forniva variazioni naturali, il robot è stato anche in grado di adattarsi rapidamente ad altri ambienti ragionevolmente simili, come pendii, gradini e terreno pianeggiante con ostacoli.

Ma un essere umano doveva comunque fare da babysitter al robot e interferire manualmente centinaia di volte, afferma Jie Tan, un coautore di articoli che guida il team di locomozione robotica di Google Brain. Inizialmente non ci pensavo, dice.

Così hanno iniziato a risolvere questo nuovo problema. In primo luogo, hanno delimitato il terreno che il robot poteva esplorare e lo hanno fatto addestrare in più manovre alla volta. Se il robot raggiungesse il bordo del rettangolo di selezione mentre imparava a camminare in avanti, invertirebbe la direzione e inizierebbe invece a imparare a camminare all'indietro.

In secondo luogo, i ricercatori hanno anche limitato i movimenti di prova del robot, rendendolo abbastanza cauto da ridurre al minimo i danni causati da cadute ripetute. Durante i periodi in cui il robot inevitabilmente cadeva comunque, hanno aggiunto un altro algoritmo codificato per aiutarlo a rialzarsi.

Attraverso queste varie modifiche, il robot ha imparato a camminare autonomamente su diverse superfici, tra cui un terreno pianeggiante, un materasso in memory foam e uno zerbino con fessure. Il lavoro mostra il potenziale per applicazioni future che potrebbero richiedere ai robot di navigare attraverso terreni accidentati e sconosciuti senza la presenza di un essere umano.

Penso che questo lavoro sia piuttosto eccitante, afferma Chelsea Finn, un assistente professore a Stanford che è anche affiliato a Google ma non coinvolto nella ricerca. Rimuovere la persona dal processo è davvero difficile. Consentendo ai robot di apprendere in modo più autonomo, i robot sono più vicini alla possibilità di apprendere nel mondo reale in cui viviamo, piuttosto che in un laboratorio.

Avverte, tuttavia, che la configurazione attualmente si basa su un sistema di motion capture sopra il robot per determinarne la posizione. Ciò non sarà possibile nel mondo reale.

Andando avanti, i ricercatori sperano di adattare il loro algoritmo a diversi tipi di robot o a più robot che apprendono contemporaneamente nello stesso ambiente. In definitiva, secondo Tan, il cracking locomozione sarà la chiave per sbloccare robot più utili.

Molti posti sono costruiti per gli umani e tutti noi abbiamo le gambe, dice. Se un robot non può usare le gambe, non può navigare nel mondo umano.

Per ricevere più storie come questa direttamente nella tua casella di posta, iscriviti alla nostra newsletter AI nominata da Webby The Algorithm. È gratis.

nascondere