一个机器人的生命,是从仿真开始

亚洲城官网登录

过去几十年来,工程师其实也在不断尝试通过基于预测性数学模型(经典控制论)的软件,去引导机器人进行肢体活动。然而,这个方法在引导机器人肢体执行行走,攀爬和抓取不同形状物体这类极为简单的任务时,被证明无效。

机器人学习或能弥合仿真与现实差距

当人们已习惯机器人数十年如一日的蹒跚学步,科学家们却突然点亮了希望。

日前,苏黎世联邦理工学院机器人系统实验室团队在《科学机器人学》上发表最新论文,给出了新证据表明,运用数据驱动法设计的机器人软件,有很大希望解决机器人学和人工智能研究长期面临的巨大难题仿真与现实之间的差距。

0850e42da0a34b7496d6d132eec1a169

团队演示的方法是将经典控制论与机器学习技术相结合。他们首先设计了一个四足机器人的传统数学模型,并给机器人起名“ANYmal”。接下来,再从引导机器人四肢运动的致动器中收集数据,数据输入多个人工智能神经网络系统,从而建立了第二个模型。

这个机器学习模型,就可以自动预测“AMYmal”机器人的肢体运动。经过训练的神经网络,只要插入第一个模型中,就可以在电脑上仿真运行这个混合模型。

团队发现这种利用数据驱动法设计的软件,大大提高了机器人的运动技能它速度更快,动作也更精准。而且先先运动策略在仿真器中优化,再转入机器人体内在物理世界进行测试,最后机器人的表现,竟然和仿真表现一样好。

混合模型是变革的第一步

XX这一成就被认为是机器人技术和人工智能的重大突破,这表明不可克服的模拟与现实之间的差距正在消除。

它也预示着人工智能的一次重大革命,混合模型是这次转型的第一步。之后,所有分析模型都将面临“裁员”。

通过机器人在现实环境中收集的数据训练机器学习模型这种方法也称为“端到端训练”。它缓慢但牢固地融入现实,并用于诸如铰接式机器人,多指机器人,无人机甚至无人驾驶汽车等应用中。

但是,在这个阶段它也有一定的挑战。最重要的是优化可扩展性,以确定是否可以扩展“端到端培训”,以指导具有许多执行器的复杂机器,例如人形机器人,制造工厂和智能城市等大型系统。然后使用数字技术帮助人们改善生活质量。

对于人类而言,大脑对未来行动的思考越清晰,人们的自我意识就越高。今天,机器人正走在学习的道路上。这不仅是现实意义上的突破,也是一些工程劳动力的解放。这也是科学家们开启“机器人自动化时代”的标志。

也许在不久的将来,机器人工程师将不再需要“告诉”机器人如何行走以及如何爬行,而是让机器人使用他们收集的数据来学习。

在不久的将来,机器人工程师不需要“告诉”机器人如何行走,如何捕捉它们,或者他们可以使用机器人自己收集的数据来学习。

资料来源:科技日报