返回顶部
今日    | 手机版 | 资讯 | 产品 | 企业 | 热点 | 商道 | 原料 |
返回首页
返回首页
home 您现在的位置: 首页 >配件与装备>企业聚焦 > 详细信息
Google的机器人学会在现实世界中行走
2020年09月23日    阅读量:2716     新闻来源:中国机械网 okmao.com    |  投稿

机器人领域向前迈出了一步,紧随其后的又是另一步。最近,一个名为Rainbow Dash的机器人开始自学走路。这只四脚机器只需要几个小时就可以学会向前和向后行走,并在此过程中左右旋转中国机械网okmao.com


Google的机器人学会在现实世界中行走 中国机械网,okmao.com


谷歌,加州大学伯克利分校和佐治亚理工学院的研究人员在ArXiv预印本服务器上发表了一篇论文,描述了一种统计AI技术,即深度强化学习,他们使用这种技术来获得这一成就,这是很重要的,原因有很多。


大多数强化学习部署都在计算机模拟的环境中进行。但是,Rainbow Dash使用此技术来学习在实际物理环境中行走。


而且,它能够在没有专门的教学机制的情况下做到这一点,例如人工指导或带有标签的培训数据。最终,Rainbow Dash成功地在多个表面上行走,包括柔软的泡沫床垫和带有明显凹口的门垫。


机器人使用的深度强化学习技术包括一种机器学习,其中代理与环境交互以通过反复试验来学习。大多数强化学习用例都涉及计算机游戏,其中数字特工学习如何玩赢。


这种形式的机器学习与传统的有监督或无监督学习显着不同,在传统的有监督或无监督学习中,机器学习模型需要标记的训练数据来学习。深度强化学习将强化学习方法与深度学习相结合,传统的机器学习的规模随着强大的计算能力而大大扩展。



尽管研究团队将Rainbow Dash的学习能力归功于自己,但人为干预仍在实现该目标方面发挥了重要作用。研究人员必须创建边界,机器人可以在该边界内学习走路,以防止机器人离开该区域。


他们还必须设计特定的算法来防止机器人摔倒,其中一些算法集中在限制机器人的运动上。为了防止诸如坠落损坏之类的事故,通常在数字环境中进行机器人强化学习,然后再将算法转移到物理机器人上以保持其安全性。


彩虹短跑的胜利发生大约一年后,研究人员最初想出如何让机器人在物理学习,而不是虚拟的,周围的环境。


斯坦福大学与Google无关的助理教授切尔西·芬恩(Chelsea Finn)表示,“将人员从[学习]过程中撤离确实很困难。通过允许机器人自主学习,机器人将更接近于能够在现实世界中学习我们的生活。”


标签:企业聚焦行业资讯今日头条产品资讯机械应用人工智能市场评论技术中心机器人特种机器人配件与装备系统及软件
免责声明: 本文仅代表作者本人观点,与本网无关。本网对文中陈述、观点判断保持中立,不对所包含内容的准确性、可靠性或完整性提供任何明示或暗示的保证。请读者仅作参考,并请自行承担全部责任。本网转载自其它媒体的信息,转载目的在于传递更多信息,并不代表本网赞同其观点和对其真实性负责。如因作品内容、版权和其它问题需要同本网联系的,请在一周内进行,以便我们及时处理。客服邮箱:service@cnso360.com | 客服QQ:23341571

全站地图

深圳网络警察报警平台 深圳网络警
察报警平台

公共信息安全网络监察 公共信息安
全网络监察

经营性网站备案信息 经营性网站
备案信息

中国互联网举报中心 中国互联网
举报中心

中国文明网传播文明 中国文明网
传播文明

深圳市市场监督管理局企业主体身份公示 工商网监
电子标识