Magától tanult meg járni Cassie, a Berkeley-n fejlesztett kétlábú robot

Nincsen jövőnk tudomány nélkül, nincsen Qubit nélkületek. Támogasd a munkánkat!

Cassie, a kétlábú robot nem néz ki olyan jól, mint a Boston Dynamics szerkezetei, és nem is tud táncolni a Dirty Dancing zenéjére, sőt kutyára sem hasonlít és ajtót nyitni is képtelen. Mégis valami olyat csinált, amire a hírnevét virális videókra építő Boston Dynamics robotjai álmodni sem mertek: magától tanult meg járni.

Hogy ez hogyan lehetséges, annak titka a mesterséges intelligencia (AI) megerősítésen alapuló tanulási technikájában rejlik, vagyis abban a folyamatban, amely során az AI komplex viselkedésformákat tanul meg ismételt próbálkozások útján, a hibáiból tanulva, minden lépésben javítva képességein.

Míg a Boston robotjainak kétségkívül látványos és néhol félelmetesen emberszerű mozgáskultúrája valószínűleg a mérnökök finomhangolásának eredménye (ennek részleteit a cég eddig nem hozta nyilvánosságra), a Kaliforniai Egyetem Berkeley kampuszán fejlesztett Cassie a nulláról tanult meg sétálni, guggolva járni és terhet cipelve mozogni.

A Kaliforniai Egyetem mérnökei szerint a Boston videói (amelyeken szaltózó, egy lábon álló és persze táncoló robotokat látni) azt az érzetet kelthetik az emberekben, hogy a robotok bonyolult mozgásformáinak elérése könnyű és rég megoldott probléma, miközben „még mindig nagyon messze vagyunk attól, hogy a humanoid robotok megbízhatóan működjenek és létezzenek emberek között.” Ezért is nagy lépés, hogy az ember méretű Cassie saját magától tanult meg járni, és hamarosan különböző talajtípusokon is próbára teszi magát.

Egy ekkora robotot persze nem lenne túl biztonságos egyből élesben tesztelni, ezért kezdetben egy két lépcsős virtuális környezetben tanították be Cassie-t. Az első szinten magát a sétálást kellett megtanulnia, pusztán egy óriási, robotmozdulatokat tartalmazó adatbázisból dolgozva. Ezután egy SimMechanincs nevű környezetben próbálták ki az AI-t, ahol már valós fizikai törvények uralkodtak, és ahol Cassie addig próbálkozott lábon maradni, amíg sikerült megbízható lépéseket tennie, majd a kutatók betáplálták a megtanult modellt a robotba.

A mérnökök tehát finomhangolás nélkül elérték, hogy a robot akár nehéz és csúszós terepen is járni tudjon, terhek cipelésével is megbirkózzon, illetve megtartsa egyensúlyát, ha fellökik. Cassie még ahhoz a helyzethez is alkalmazkodni tudott, és lábon maradt, amikor jobb lábában több motor is meghibásodott. A kutatók remélik, hogy hamarosan még több mozgásformát megtanul magától a robot, és az AI megerősítésen alapuló tanulási módszere a robotikában is jobban elterjed majd a jövőben.

Kapcsolódó cikkek a Qubiten: