Takviye yeni yöntem öğreniyor, geriye takla döndürme vuruşunun robot için artık zor olmamasına izin verin | Berkeley kağıdı
İçbükey tapınaktan Xia Yi
Qubit Üretildi | Genel Hesap QbitAI
Boston Dynamics insansı robotunun ters takla becerisi ortaya çıktığında, küresel kalabalığı hayrete düşürdü.
Gerçek dünyadaki robotlardan bahsetmiyorum bile, bu tür karmaşık eylemlerin simülatörde bile öğrenilmesi çok zor.
Şimdi, yakın zamanda Kaliforniya Üniversitesi, Berkeley ve British Columbia Üniversitesi tarafından geliştirilen yeni bir yöntem, simülatörlerde yaşayan robotlara, insanları taklit ederek dövüş sanatları, parkur, akrobasi ve diğer karmaşık becerileri öğrenmeyi öğretebilir.
Ters takla vuruşu veya başka bir şey, onu elde etmek kolaydır ~
(Temelde simülatörlerde yaşayanlar olan "robotlardan" aşağıda birçok kez bahsedilecektir)
Robotların, animasyonların ve oyun karakterlerinin esnek ve sorunsuz hareket etmesine izin vermek, bilgisayar grafikleri, pekiştirmeli öğrenme, robotik vb. Alanlarda araştırmacılar tarafından takip edilen bir hedeftir.
Farklı yöntemlerin kendi güçlü yönleri vardır ve elbette her birinin kendi zayıf yönleri vardır.
Robotlara (simülatördeki aracı) öğretmek için pekiştirmeli öğrenme yöntemlerini kullanarak öğrenilebilecek birçok eylem vardır ve bunlar titiz bir ayrıntı ve cesaretle çalıştırılabilir.Ayrıca robot için net bir amaç belirleyebilirsiniz. Ancak, biraz utanç veya sürpriz oyun sahnelemek her zaman kaçınılmazdır.
Hareket yakalama teknolojisi, robotun herhangi bir itaatsizlik duygusu olmadan doğal ve sorunsuz bir şekilde gerçek insanlarla tamamen aynı olan hareketler yapmasını sağlar. Ancak öğrenmeyi ve kullanmayı beklemek imkansızdır, robotun her hareketinin ve her formunun ayrı ayrı eğitilmesi gerekir.
Berkeley'deki bilim adamları, DeepMimic adlı yeni bir yöntem oluşturmak için bu iki alandan yararlandı. Bu yöntem yalnızca derin öğrenme modellerinin çok yönlülüğüne sahip olmakla kalmaz, aynı zamanda daha fazla eylem türünü ve robot formunu kapsayabilir ve eylemlerin doğal düzgünlüğü de hareket yakalama ile karşılaştırılabilir.
Bu yeni yöntemle, Robotlar yeni eylemleri nasıl öğrenir?
Basitçe söylemek gerekirse, eylem kliplerini izleyerek öğrenmektir. İnsan hareket yakalama verileri iyi bir öğrenme materyalidir. Robota, aşağıdaki şekilde yan çevirme gibi bir eylem örneği gösterin Sağ taraf, robotun öğrenmesi için bir gösteri örneğidir.
Bu araştırmaya katılan bilim adamları, gösteri eylemini q ^ 0, q ^ 1, ..., q ^ T dizisine ayırdılar; burada q ^ T, t adımındaki robotun hedef eylemini temsil ediyor. Bu robotun öğrenmesinin amacı, t zamanındaki gerçek hareket qT ile hedef hareket q ^ T arasındaki boşluğu olabildiğince ortadan kaldırmaktır.
Robot, eylemleri artık utanmayana kadar özenle pratik yapmaya ve pratik yapmaya devam ediyor ve yukarıdaki resmin sol tarafında gösterildiği gibi esnekliği ve simülasyonu demo videosuyla karşılaştırılabilir.
Bu uygulama sürecine rehberlik eden kişi şudur: Ödül işlevi :
Bu şekilde öğretilen robotlar takla atmalarının yanı sıra Çin ve Batı danslarını, güney yumruğu ve kuzey bacaklarını, koşma ve dövüş hareketlerini ve hatta sazan dövüşlerini de öğrenebilir:
Mükemmel hareket yakalama örneğini tekrar kopyalamanın ne anlamı var? Elbette bu araştırma taklitin ötesine geçiyor. DeepMimic, robotun taklit yoluyla hareket etmeyi öğrenmesine ve ardından öğrendikçe kullan ayağa kalk.
Örneğin, bir robot bir top atmayı öğrendiğinde, demo örneğinde olmayan bir görevi gerçekleştirebilir. Simülatörde oy vermesi için bir hedef belirleyebiliriz:
Eğitimli robot ayrıca Demo örneğinden farklı görünüyor . Örneğin, önden ters takla örneğini kullanarak, Boston Dynamics Altas'ı simüle eden bir robotu eğitebilirsiniz:
İnsansı olmayan robotlar bile insansı örneklerle eğitilebilir. Örneğin, bu Tyrannosaurus rex insansı örneklerle yürümeyi öğreniyor. Gazetenin ana sayfasında aslanlar ve ejderhalar da dahil olmak üzere daha fazla örnek gösterdiler ~
DeepMimic hakkında daha fazla bilgi edinmek için lütfen şu makaleye bakın:
DeepMimic: Fizik Tabanlı Karakter Becerilerinin Örnek Kılavuzlu Derin Güçlendirmeli Öğrenimi
Yazar: Xue Bin Peng, Pieter Abbeel, Sergey Levine, Michiel van de Panne
Ana Sayfa: https://xbpeng.github.io/projects/DeepMimic/index.html
Blog tanıtımı:
- Bitiş -
Samimi işe alım
Qubit, editörleri / muhabirleri işe alıyor ve merkezi Pekin, Zhongguancun'da bulunuyor. Yetenekli ve hevesli öğrencilerin bize katılmasını dört gözle bekliyoruz! Ayrıntılar için, lütfen QbitAI diyalog arayüzünde "işe alım" kelimesiyle yanıt verin.
Qubit QbitAI · Toutiao İmzalama Yazarı
' ' Yapay zeka teknolojisi ve ürünlerindeki yeni eğilimleri takip edin
