Четвероногий робот ANYmal, разработанный исследователями из ETH Z?rich в Швейцарии, научился выполнять элементы паркура, чтобы преодолевать препятствия |
||
МЕНЮ Главная страница Поиск Регистрация на сайте Помощь проекту Архив новостей ТЕМЫ Новости ИИ Голосовой помощник Разработка ИИГородские сумасшедшие ИИ в медицине ИИ проекты Искусственные нейросети Искусственный интеллект Слежка за людьми Угроза ИИ ИИ теория Внедрение ИИКомпьютерные науки Машинное обуч. (Ошибки) Машинное обучение Машинный перевод Нейронные сети начинающим Психология ИИ Реализация ИИ Реализация нейросетей Создание беспилотных авто Трезво про ИИ Философия ИИ Big data Работа разума и сознаниеМодель мозгаРобототехника, БПЛАТрансгуманизмОбработка текстаТеория эволюцииДополненная реальностьЖелезоКиберугрозыНаучный мирИТ индустрияРазработка ПОТеория информацииМатематикаЦифровая экономика
Генетические алгоритмы Капсульные нейросети Основы нейронных сетей Распознавание лиц Распознавание образов Распознавание речи Творчество ИИ Техническое зрение Чат-боты Авторизация |
2024-04-03 15:53 Четвероногий робот ANYmal, разработанный исследователями из ETH Z?rich в Швейцарии, научился выполнять элементы паркура, чтобы преодолевать препятствия. В ходе испытаний робот успешно перепрыгивал пропасти, карабкался вверх и вниз по барьерам и низко приседал, чтобы проходить под ними. Паркур довольно сложен с точки зрения робототехники, так как он требует от робота «выполнять динамические манёвры на пределе возможностей, точно контролируя движение корпуса и конечностей». Чтобы добиться успеха, ANYmal должен уметь чувствовать окружающую среду и адаптироваться к быстрым изменениям, выбирая возможный путь и последовательность движений из запрограммированного набора навыков в режиме реального времени. Подход швейцарской команды сочетает машинное обучение с контролем на основе моделей. Они разделили задачу на три взаимосвязанных компонента: модуль восприятия, обрабатывающий данные бортовых камер и лидара для оценки местности; модуль передвижения с запрограммированным каталогом движений для преодоления определённой местности; и навигационный модуль, который помогает модулю передвижения выбирать, какие навыки использовать для навигации по различным препятствиям и местности, используя промежуточные команды. Машинное обучение использовалось, чтобы научить ANYmal некоторым новым навыкам методом проб и ошибок, в том числе преодолевать препятствия и узнавать, как взбираться наверх и спрыгивать вниз. Камера робота и нейронная сеть позволяют ему выбирать лучшие манёвры на основе предварительной подготовки. Управление на основе моделей применили, чтобы научить ANYmal распознавать прогалы между препятствиями и преодолевать их. В итоге робот смог выполнять прыжки с одного ящика на другой на расстояние до 1 м. Он подходил к краю ящика и группировал три ноги, вытягивая четвёртую. ANYmal также смог спуститься с ящика высотой 1 м и залезть обратно. Источник: vk.com Комментарии: |
|