MIT использует AI, чтобы сделать мини-гепард-робот быстрее, чем когда-либо

MIT использует AI, чтобы сделать мини-гепард-робот быстрее, чем когда-либо

Последние несколько десятилетий увидели роботов, идут от лесораковых бегемотов, которые едва могли бы сделать шаг к шумам, которые могут делать обратные потоки и танцы. Многие работают в преподавании роботов, как двигаться, поэтому исследователи все чаще превращаются в AI, чтобы сделать тяжелую подъем, а команда в MIT видела особенно быстрые результаты. «Mini Cheetah», разработанный в лаборатории компьютерных наук и искусственных интеллектов (CSAIX), установил новое личное лучшее для скорости движения с помощью алгоритмов обучения, которые гарантируют, что он учится у каждого падения.

Большинство роботов, которые вы видели спокойно ходить на поверхностях уровня, были запрограммированы, чтобы сделать это. То же самое касается динамики Бостона со всеми его необычными роботами демонстрационные видео - программисты имеют письменный код, который сообщает роботам, как двигаться, чтобы ходить, прыгать или сделать образец. Однако вы не можете объяснить все возможные ситуацию или поверхность даже с армией программистов. Неохраняемая сеть может использоваться для использования опыта робота, то, что мы биологические организмы делаем все время.

После нескольких лет ходить на неровных поверхностях, ваш мозг знает, что делать, если вы потеряете тягу. Возможно, вы не всегда спасете себя от падения, но вы можете узнать и настроить свое поведение в следующий раз. Команда MIT управляла чем-то похожем для мини-гепарда, используя AI и современные инструменты моделирования. Робот может получить 100 дней опыта всего за три часа фактического времени. Благодаря испытанию и ошибке робот становится лучше навигации по миру, и никто не должен явно сказать, как это сделать.

Нейронная сеть гепарда позволила ему достичь самой высокой скорости: 3,9 метра в секунду или около 8,7 миль в час. Это прикосновение быстрее, чем средний человек. Очни интересно, робот может настроить свою походку, поскольку она сталкивается с различными поверхностями и препятствиями. Робот выглядит менее элегантным в этом режиме, скремблируется таким образом, чтобы выглядеть безумным и несогласованным, но оказывается более эффективным. В видео выше видео показывают несколько примеров мини гепардов, успешно справляясь с изменяющимися условиями, в то время как изящная человеческая программированная версия падает плоская.

Команда видит этот подход к робототам как необходимость в будущем. Это компромисс между природой и воспитанием, согласно MIT PhD Student Stuce Gabriel Margolis и Postdoc Ge Yang. Они отмечают, что та же самая система может преподавать роботам обрабатывать много разных задач. Мы просто должны привыкнуть не рассказывать роботам и что делать, и как это сделать - эта структура, говорят, не масштабируется. В будущем нам нужно позволить роботам учиться, а мини гепард впереди.

Читать далее

Как Windows использует несколько ядер ЦП?
Как Windows использует несколько ядер ЦП?

В наши дни мы воспринимаем многоядерность как должное, но как вообще процессор и операционная система взаимодействуют друг с другом?

TDP Intel для настольных ПК больше не используется для прогнозирования энергопотребления процессора
TDP Intel для настольных ПК больше не используется для прогнозирования энергопотребления процессора

TDP процессоров Intel более высокого класса для настольных ПК больше не сообщает ничего полезного о потребляемой мощности процессоров под нагрузкой.

Медиа-серверы Plex используются для усиления DDoS-атак
Медиа-серверы Plex используются для усиления DDoS-атак

Исследователи утверждают, что при правильном использовании сервер Plex может увеличить размер DDoS-пакетов почти в пять раз, делая эти атаки гораздо более опасными. Пользователи Plex тоже мало что могут с этим поделать.

Графические процессоры, используемые для майнинга криптовалют, могут в долгосрочной перспективе потер
Графические процессоры, используемые для майнинга криптовалют, могут в долгосрочной перспективе потер

Будет ли майнинг на графическом процессоре в долгосрочной перспективе снижать его производительность? Появились некоторые свидетельства того, что это возможно, но есть проблемы с набором данных, которые не позволяют сделать однозначный вывод.