Mit використовує ai, щоб зробити mini cheetah робот швидше, ніж будь-коли

Останні кілька десятиліть побачили роботи, які йдуть від лісоматеріальних бегемотів, які ледве могли б зробити крок до спритніх контрактів, які можуть робити зворотні тварини та танцювати. Багато роботи переходить у викладання роботів, як рухатися, тому дослідники все частіше звертаються до АІ, щоб зробити важкий підйом, і команда в MIT бачила особливо швидкі результати. "Міні-гепард", спроектований на лабораторії комп'ютерної науки та штучного інтелекту (CSAL), встановив новий особистий найкращий для швидкості руху за допомогою алгоритмів навчання, які забезпечують його вчитися від кожного падіння.
Більшість роботів, які ви бачили, як це було запрограмно, гуляючи на рівні поверхні. Те ж саме стосується, що динаміка Бостона з усіма своїми чудовими роботами-демонстраційними відеороликами - програмісти мають письмовий код, який розповідає роботах, як рухатися, щоб ходити, стрибати або зробити зворотний біг. Однак ви не можете пояснити кожну можливу ситуацію або поверхню навіть з армією програмістів. Нейрона мережа може бути використана для використання досвіду робота, те, що ми біологічні організми роблять весь час.
Після багатьох років ходьби по нерівномірних поверхнях ваш мозок знає, що робити, якщо ви втрачаєте тягу. Ви не завжди будете врятувати себе від падіння, але ви можете навчитися та налаштувати свою поведінку наступного разу. Команда MIT керувала щось подібне для Mini Cheetah, використовуючи AI та сучасні інструменти моделювання. Робот може отримати досвідом на 100 днів лише три години фактичного часу. Через випробування та помилку, робота стає кращим на навігації світу, і ніхто не повинен явно не повідомляти, як це зробити.
Нейрона мережа гепарда дозволила досягти своєї найвищої швидкості: 3,9 метра в секунду, або близько 8,7 миль на годину. Це дотик швидше, ніж середня людина може бігти. Цікаво, що робот може відрегулювати свою ходу, оскільки вона зустрічає різні поверхні та перешкоди. Робот виглядає менш елегантний у цьому режимі, скремлюючи навколо, таким чином, що виглядає шаленим і неорганізованим, але виявляється більш ефективним. Відео вище показує кілька прикладів Mini Cheetah успішно справляються з зміною умов, коли витончена людська-програмована версія падає плоскою.
Команда бачить цей підхід до робототехніки як необхідність майбутнього. Це компроміс між природою та вихованням, за словами MIT Phd Student Gabriel Margolis та Postdoc Ge Yang. Вони відзначають, що така ж система може навчати роботів обробляти багато різних завдань. Ми просто повинні звикнути до не розповідаючи роботів як того, що робити, і як це зробити - це рамка, кажуть, не масштабовано. У майбутньому нам доведеться дозволити роботам вчитися, а Mini Cheetah вийшов спереду.
Читати далі

Огляд MSI Nvidia RTX 3070 Gaming X Trio: продуктивність 2080 Ti, ціна паскаль
Новий RTX 3070 від Nvidia - це казковий графічний процесор за вигідною ціною, і MSI RTX 3070 Gaming X Trio це добре демонструє.

MIT створює підводний GPS без акумулятора
Радіосигнали GPS швидко розсіюються, потрапляючи у воду, викликаючи головний біль для наукових досліджень у морі. Єдина альтернатива - використовувати акустичні системи, що пережовують батареї. Команда з Массачусетського технологічного інституту розробила технологію відстеження без заряду акумулятора, яка може покласти край цій неприємності.

Огляд: DJI’s New Mini 2 May Be the Perfect Travel Drone
Якщо ви любите подорожувати зі своїм безпілотником, але ненавидите тягати багато обладнання, DJI Mini 2 може бути ідеальним рішенням.

ARMing for War: Новий Cortex-A78C кине виклик x86 на ринку ноутбуків
ARM зробив ще один крок до виклику власного x86, дебютуючи Cortex-A78C цього тижня. Новий чіп містить до восьми "великих" процесорних ядер і до 8 МБ кеш-пам'яті L3.