Google Robot apprend à marcher

Une équipe de recherche travaillant au sein de la division robotique de Google et du Georgia Institute of Technology a découvert comment permettre aux robots à quatre pattes d'apprendre à marcher sans avoir besoin de l'aide des humains.

Comme le rapporte le MIT Technology Review, les chercheurs ont mis en œuvre un cadre d'apprentissage par renforcement profond, qui combine une procédure d'apprentissage multi-tâches, un contrôleur de réinitialisation automatique et un cadre soumis à des contraintes de sécurité.

Ce faisant, tout échec lors de l'apprentissage entraîne la récupération du robot et une nouvelle tentative au lieu d'avoir besoin de l'aide d'un humain.

Un robot peut s'entraîner en utilisant le cadre pendant 80 minutes à la fois pour acquérir de l'expérience sans interaction humaine.

Il apprend plusieurs directions de déplacement en même temps, ce qui lui permet d'utiliser efficacement un espace d'entraînement restreint (et sans jamais se coincer sur les bords).

Au début, le robot apprend les mouvements vers l'avant et vers l'arrière sur une surface plane, puis sur un matelas moelleux et enfin sur un paillasson avec des crevasses.

Il est également possible d'enseigner de manière autonome la capacité de tourner à gauche et à droite sur les trois types de surface différents.

Après environ 15 heures, le robot à quatre pattes est capable de marcher de manière fiable sur une variété de types de terrains difficiles sans défaillance.

À ce stade, les chercheurs peuvent brancher une manette de jeu et prendre le contrôle du robot marcheur.

L'aspect le plus impressionnant de cette recherche est la possibilité de placer un robot dans une zone d'entraînement et de lui apprendre à marcher en moins d'une journée en utilisant des essais et des erreurs et des algorithmes intelligents.

Les chercheurs admettent qu'ils s'appuient actuellement sur un "contrôleur stand-up robuste", qui est conçu manuellement, mais espèrent le remplacer par une alternative apprise et permettre au robot de "s'entraîner à une récupération de l'expérience du monde réel" éventuellement .

Une équipe de recherche travaillant au sein de la division robotique de Google et du Georgia Institute of Technology a découvert comment permettre aux robots à quatre pattes d'apprendre à marcher sans avoir besoin de l'aide des humains.

Comme le rapporte le MIT Technology Review, les chercheurs ont mis en œuvre un cadre d'apprentissage par renforcement profond, qui combine une procédure d'apprentissage multi-tâches, un contrôleur de réinitialisation automatique et un cadre soumis à des contraintes de sécurité.

Ce faisant, tout échec lors de l'apprentissage entraîne la récupération du robot et une nouvelle tentative au lieu d'avoir besoin de l'aide d'un humain.

Un robot peut s'entraîner en utilisant le cadre pendant 80 minutes à la fois pour acquérir de l'expérience sans interaction humaine.

Il apprend plusieurs directions de déplacement en même temps, ce qui lui permet d'utiliser efficacement un espace d'entraînement restreint (et sans jamais se coincer sur les bords).

Au début, le robot apprend les mouvements vers l'avant et vers l'arrière sur une surface plane, puis sur un matelas moelleux et enfin sur un paillasson avec des crevasses.

Il est également possible d'enseigner de manière autonome la capacité de tourner à gauche et à droite sur les trois types de surface différents.

Après environ 15 heures, le robot à quatre pattes est capable de marcher de manière fiable sur une variété de types de terrains difficiles sans défaillance.

À ce stade, les chercheurs peuvent brancher une manette de jeu et prendre le contrôle du robot marcheur.

L'aspect le plus impressionnant de cette recherche est la possibilité de placer un robot dans une zone d'entraînement et de lui apprendre à marcher en moins d'une journée en utilisant des essais et des erreurs et des algorithmes intelligents.

Les chercheurs admettent qu'ils s'appuient actuellement sur un "contrôleur stand-up robuste", qui est conçu manuellement, mais espèrent le remplacer par une alternative apprise et permettre au robot de "s'entraîner à une récupération de l'expérience du monde réel" éventuellement .