Robotik

Roboter lernen mithilfe menschlicher Demonstrationen verschiedene Fortbewegungsverhalten

Roboter lernen mithilfe menschlicher Demonstrationen verschiedene Fortbewegungsverhalten


We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.

Roboter sind ein wichtiger Teil unserer Zukunft, und Forscher auf der ganzen Welt haben hart daran gearbeitet, reibungslose Fortbewegungsstile bei humanoiden und beinigen Robotern zu ermöglichen.

Jetzt hat ein Forscherteam der Universität von Edinburgh in Schottland einen Rahmen für die Ausbildung humanoider Roboter zusammengestellt, um mithilfe menschlicher Demonstrationen genau wie wir Menschen zu gehen.

Ihre Studie wurde am vorveröffentlicht arXivund kombiniert Nachahmungslernen und tief verstärkende Lerntechniken. Ihre Ergebnisse wurden auch in veröffentlicht IEEE Xplore.

SIEHE AUCH: IRANS AM MEISTEN ERWEITERTE MENSCHLICHE ROBOTERFLÜSSE HONDA'S ASIMO

Nützliches menschliches Wissen in Robotersystemen

"Die Schlüsselfrage, die wir untersuchen wollten, war, wie (1) nützliches menschliches Wissen in die Fortbewegung von Robotern und (2) Daten zur Erfassung menschlicher Bewegungen zur Nachahmung in ein tiefgreifendes Lernparadigma integriert werden können, um die autonomen Fähigkeiten von Robotern mit Beinen effizienter voranzutreiben", so Chuanyu Yang, einer der Forscher, die an der Studie beteiligt waren, erzählte TechXplore.

"Wir haben zwei Methoden vorgeschlagen, um menschliches Vorwissen in ein DRL-Framework einzuführen."

Das Framework des Teams basiert auf einem einzigartigen Belohnungsdesign, das Bewegungsbeschriftungsdaten von Menschen verwendet, die im Rahmen des Trainingsprozesses gehen. Anschließend wird dies mit zwei speziellen hierarchischen neuronalen Architekturen kombiniert: einem neuronalen Netzwerk mit Phasenfunktion (PFNN) und einem modenadaptiven neuronalen Netzwerk (MANN).

"Der Schlüssel zur Replikation menschenähnlicher Fortbewegungsstile besteht darin, menschliche Gehdaten als Experten-Demonstration einzuführen, die der Lernende nachahmen kann", erklärte Yang. "Belohnungsdesign ist ein wichtiger Aspekt des verstärkenden Lernens, da es das Verhalten des Agenten bestimmt."

Sie müssen an die Ähnlichkeiten denken, einen Hund zu trainieren, um Tricks auszuführen, und ihn anschließend mit einem Knochen zu belohnen ...

Die wunderbare Nachricht über das Framework des Teams war, dass es den humanoiden Robotern sogar ermöglichte, auf unebenem Boden oder bei externen Stößen zu arbeiten.

Die Ergebnisse des Teams deuten darauf hin, dass Expertendemonstrationen wie das Gehen von Menschen die Lerntechniken zur Tiefenverstärkung für das Training von Robotern in verschiedenen Fortbewegungsstilen erheblich verbessern können. Letztendlich könnten sich diese Roboter genauso schnell und einfach wie Menschen bewegen und gleichzeitig ein natürlicheres und menschlicheres Verhalten erzielen.

Im Moment wurde die gesamte Forschung durch eine Simulation durchgeführt. Die nächsten Schritte umfassen das Ausprobieren des Frameworks im realen Leben.

"In unserer zukünftigen Arbeit planen wir auch, den Lernrahmen zu erweitern, um eine vielfältigere und komplexere Reihe menschlicher Bewegungen nachzuahmen, wie z. B. allgemeine motorische Fähigkeiten in Bezug auf Fortbewegung, Manipulation und Greifen", sagte Yang.


Schau das Video: Raffaello DAndrea: Die verblüffenden athletischen Leistungen von Quadrocoptern (November 2022).