MIT
VIDEO: Robot nogometaš uči driblati
DribbleBot može voditi nogometnu loptu na raznim terenima poput pijeska, šljunka, blata i snijega, korištenjem potpomognutog učenja kako bi se prilagodio različitoj dinamici.
Istraživači MIT-a razvili su četveronožnog DribbleBot robota, koji možda neće nikada igrati u finalu Svjetskog nogometnog prvenstva protiv Hrvatske, no jednog bi dana mogao stvarati velike probleme našim stoperima.
Istraživači iz Laboratorija za umjetnu inteligenciju MIT-a, koji je dio Laboratorija za računalnu znanost i umjetnu inteligenciju (CSAIL), razvili su robotski sustav koji može driblati nogometnu loptu pod istim uvjetima kao i ljudi. Kako bi bot mogao naučiti driblanje, nije dobio Dalića za trenera, već programera MIT-a koji s njima radi pomoću sustava potpomognutog učenja, što znači da njime upravlja kontrolerom i pokazuje mu razne poteze, koje robot potom treba samostalno reproducirati i koristiti na terenu, kao što možete vidjeti u ovom videu.
Programiranje robota za igranje nogometa već je neko vrijeme aktivno područje istraživanja. Međutim, tim je želio naučiti robota kako samostalno aktivirati noge tijekom driblinga, kako bi se omogućilo otkrivanje vještina koje je teško skriptirati za reagiranje na različitim terenima poput snijega, šljunka, pijeska, trave i afalta.
Robot, lopta i teren su prije slanja u stvarni svijet razvijeni unutar simulacije. Možete učitati bota i druge elemente i postaviti fizičke parametre, a zatim on odatle upravlja simulacijom dinamike. Četiri tisuće verzija robota simulira se paralelno u stvarnom vremenu, omogućujući prikupljanje podataka 4000 puta brže od korištenja samo jednog robota.
Robot počinje bez znanja kako driblati loptu te samo dobiva nagradu kada to učini ili "kaznu" kada zabrlja. Dakle, u biti pokušava otkriti koji redoslijed sila treba primijeniti svojim nogama.
"Jedan od aspekata ovog pristupa potpomognutom učenju jest da moramo osmisliti dobru nagradu kako bismo olakšali robotu da nauči uspješno dribling", kaže doktorant MIT-a Gabe Margolis, koji je zajedno s Yandong Jiem, asistentom u istraživanju, vodio rad. "Nakon što osmislimo tu nagradu, dolazi vrijeme za vježbu. U stvarnom vremenu to traje nekoliko dana, a u simulatoru stotine dana. S vremenom postaje sve bolji i bolji u manipuliranju nogometnom loptom kako bi odgovarao željenoj brzini."
Robot također može navigirati nepoznatim terenima i oporaviti se od padova zahvaljujući kontroleru za oporavak koji je tim ugradio u svoj sustav. Ovaj kontroler omogućuje robotu da se uspravi nakon pada kako bi nastavio voditi loptu.
"Ako danas pogledate oko sebe, većina robota je na kotačima. Ali zamislite da postoji scenarij katastrofe, poplave ili potresa, a mi želimo da roboti pomažu ljudima u procesu potrage i spašavanja. Trebaju nam strojevi za prelazak preko terena koji nisu ravni, a roboti s kotačima ne mogu prijeći te krajolike," kaže Pulkit Agrawal, profesor MIT-a, glavni istraživač CSAIL-a i direktor Improbable AI Laba." Cijela poanta proučavanja nožnih robota je ići terenima izvan dosega trenutnih robotskih sustava", dodaje. "Naš cilj u razvoju algoritama za robote s nogama je osigurati autonomiju na izazovnim i složenim terenima koji su trenutno izvan dosega robotskih sustava."
S hardverske strane, robot ima set senzora koji mu omogućuju da opaža okolinu, osjeti gdje se nalazi, "razumije" svoj položaj i "vidi" nešto od svoje okoline. Ima skup pokretača koji mu omogućuju primjenu sile i pomicanje sebe i predmeta. Između senzora i aktuatora nalazi se računalo, ili "mozak", zadužen za pretvaranje podataka senzora u radnje, koje će primijeniti putem motora. Kada robot trči po snijegu, on ne vidi snijeg, ali ga može osjetiti putem senzora motora. Obzirom da je nogomet zahtjevniji podvig od hodanja, tim je upotrijebio kamere na robotovoj glavi i tijelu za novi senzorni modalitet vida, uz novu motoričku vještinu.
"Naš robot može ići u divljinu jer nosi sve svoje senzore, kamere i računala na sebi. To je zahtijevalo neke inovacije u smislu da cijeli kontroler stane na ovo ugrađeno računalo", kaže Margolis. "To je jedno područje u kojem učenje pomaže jer možemo pokrenuti laganu neuronsku mrežu i uvježbati je da obrađuje podatke senzora. To je u oštrom kontrastu s većinom današnjih robota: obično je robotska ruka postavljena na fiksnu bazu i sjedi na radnom stolu s ogromnim računalom uključenim ravno u njega."
Jeste li spremni za jednu tekmu protiv robota?
Učitavam komentare ...