Роботы, собранные из веток, стали ходить благодаря глубокому обучению.

«Исследователи прибегли к глубокому обучению с подкреплением[1], и добились того, что их странные роботы стали двигаться самостоятельно», - пишет Эван Экерман в своем обзоре статьи «Improvised Robotic Design With Found Objects», которую специалисты из Токийского Университета совместно с Preferred Networks представили в 2018.

Разработка роботов - это нетривиальный процесс, требующий долгих изнурительных расчетов и невероятного объема внимания. Обычно нужно очень хорошо представлять, для каких именно задач вы создаете своего робота, и как именно вы собираетесь этого добиться. Затем вы строите прототип и разбираетесь, что именно с ним не так. Затем строите что-то новое, что должно работать лучше. И продолжаете так - пока у вас не закончится время и/или деньги.

Но роботам вовсе не обязательно быть настолько сложными, по крайней мере, пока ваши ожидания относительно их способностей сопоставимо невысоки. В документации, представленной во время воркшопа NeurIPS в прошлом декабре, шла речь об эксперименте группы исследователей из Токийского Университета проведенном совместно с Preferred Networks. Исследователи строили движущихся роботов из материалов, которые легко можно найти под ногами, таких как ветки деревьев, дополняя их парой серво-приводов.

Поначалу роботы получают представление о ходьбе во время симуляции при помощи глубокого обучения с подкреплением. В статье говорится, что это реализовано путем подбора деревянных палочек, взвешивания их и 3D-сканирования для того, чтобы потом создать цифровую модель робота и поощрять те варианты походки, при которых становится возможным дальнейшее движение. Конечно, без ручной настройки не обойтись. Она необходима, чтобы избежать поведения, которое может, например, «вызвать стресс и ускорить износ реального робота».

Хотя в целом, возможно, это не та стратегия, которой можно придерживаться во время разработки большинства приложений, имеет смысл задуматься о том, где и каким образом можно найти практическое применение для подобных машин. Сама идея построить робота из того, что лежит под ногами (плюс пара серво-приводов и сенсор-другой) выглядит захватывающей. Похоже, действительно можно создать походку для физической модели с нуля, методом проб и ошибок при наличии обратной связи от сенсоров, раз уж подобные вещи уже были сделаны на других роботизированных платформах.

Роботы, выстроенные из того, что можно найти на месте, вряд ли будут столь же эффективными, как их собратья, созданные более традиционным способом и, скорее всего, будут полезны только в особенных условиях. Но отсутствие необходимости беспокоиться о доставке исходных материалов может оказаться удобным, равно как и возможность создавать различные модели на общей аппаратной базе. А еще — возможность выстроить робота из любых доступных предметов означает, что машину, которую вы соберете, будет достаточно легко починить, даже если вам всякий раз придется заново учить ее двигаться.

«Импровизированные роботы из подручных материалов» — Азуми Маэкава, Аяка Кумэ, Хиронори Йошида, Дзюн Хатори, Джейсон Нарадовски и Шунта Сайто. Презентация от Токийского Университета совместно с Preferred Networks Inc. на воркшопе «Машинное обучение для дизайна и творчества» на NeurIPS в 2018.

July, 2, 2019. Evan Ackerman, IEEE Spectrum. Robots Made Out of Branches Use Deep Learning to Walk

Перевод — Gaell.12 a.k.a. Anna Blacky https://vk.com/netsphereradioСамара, май 2019

Подробнее о проекте:

Статья Азуми Маэкавы https://azumi-maekawa.com/#walk

Сайт Хиронори Йошиды http://hy-ma.com/

___

[1] — глубокое (глубинное) обучение — от англ. deep learning — совокупность методов машинного обучения, основанных на обучении представлениям, а не специализированным алгоритмам под конкретные задачи. Обучение с подкреплением (прим. Gaell.12: упомянутое в этом обзоре) — один из способов машинного обучения, в ходе которого испытуемая система (агент) обучается, взаимодействуя с некоторой средой. (wiki)

Источник: m.vk.com

Комментарии: