عمر مصطفى
05-05-20, 04:04 AM
استخدم باحثو Google الذكاء الاصطناعي (AI) لتعليم الروبوتات كيفية التحرك برشاقة الحيوانات الحقيقية (الكلاب). يصفون تجربتهم في مدونة نشرت هذا الأسبوع
لتعليم الروبوتات كيفية التحرك برشاقة الحيوانات الحقيقية (الكلاب).حيث يصفون تجربتهم في مدونة نشرت هذا الأسبوع الماضي.
السلوك الرشيق:
"أولاً ، نصف كيف يمكن للروبوتات أن تتعلم السلوكيات الرشيقة عن طريق تقليد حركات الحيوانات الحقيقية ، وإنتاج حركات سريعة وطليقة مثل الهرولة والتنقل. ثم نناقش نظامًا لأتمتة تدريب مهارات الحركة في العالم الحقيقي ، والذي يسمح للروبوتات تعلم المشي بمفردها ، بأقل قدر من المساعدة البشرية ، "تمت مشاركته في مدونة Xue Bin (Jason) Peng ، Student Student and Sehoon Ha ، Research Scientist ، Robotics at Google.لقد حققوا هذا الإنجاز الرائع باستخدام ما يسمى التعلم المعزز (RL). بدأوا بأخذ مقطع حركة مرجعي مسجل من حيوان واستخدام RL لجعل الروبوت يقلد تلك الحركات. "من خلال تزويد النظام بحركات مرجعية مختلفة ، يمكننا تدريب روبوت رباعي لأداء مجموعة متنوعة من السلوكيات الرشيقة ، بدءًا من المشي السريع إلى القفزات الديناميكية والانعطافات. و كما كتب الباحثون في مدونتهم، إن سياسة التدريب يكون بشكل أساسي عن طريق المحاكاة ، ثم نقلها إلى العالم الحقيقي باستخدام تقنية "التكيف مع الفضاء الكامن"(latent space adaptation technique) الذي يمكنه تكييف السياسة بكفاءة باستخدام بضع دقائق فقط من بيانات الروبوت الحقيقي.
العشوائية:
ومع ذلك ، فمن المعروف جيدًا أن أجهزة المحاكاة تقدم تقريبًا ضعيفًا للعالم الحقيقي ، مما يعني أن المحاكاة لا تعمل بشكل جيد في الواقع. هذا هو المكان الذي قرر فيه الباحثون استخدام تقنية تكيف الفضاء الكامنة ذات كفاءة العينة.وقد فعلوا ذلك عن طريق إدخال عنصر العشوائية إلى المعلمات الفيزيائية المستخدمة في المحاكاة من خلال كميات مادية متنوعة ، مثل كتلة الروبوت والاحتكاك. وقد أدى ذلك إلى نموذج للتعلم الآلي يمكن أن يفسر جميع أنواع الاختلافات الصغيرة والمضاعفات التي تخلقها في المستقبل.والنتيجة النهائية هي روبوت يتحرك بنفس خفة الحركة مثل الكلب الحقيقي. هذا النوع من العمل أمر حاسم لأنه يمكن أن يفتح الفرص لنشر الروبوتات لمهام معقدة في العالم الحقيقي.
لتعليم الروبوتات كيفية التحرك برشاقة الحيوانات الحقيقية (الكلاب).حيث يصفون تجربتهم في مدونة نشرت هذا الأسبوع الماضي.
السلوك الرشيق:
"أولاً ، نصف كيف يمكن للروبوتات أن تتعلم السلوكيات الرشيقة عن طريق تقليد حركات الحيوانات الحقيقية ، وإنتاج حركات سريعة وطليقة مثل الهرولة والتنقل. ثم نناقش نظامًا لأتمتة تدريب مهارات الحركة في العالم الحقيقي ، والذي يسمح للروبوتات تعلم المشي بمفردها ، بأقل قدر من المساعدة البشرية ، "تمت مشاركته في مدونة Xue Bin (Jason) Peng ، Student Student and Sehoon Ha ، Research Scientist ، Robotics at Google.لقد حققوا هذا الإنجاز الرائع باستخدام ما يسمى التعلم المعزز (RL). بدأوا بأخذ مقطع حركة مرجعي مسجل من حيوان واستخدام RL لجعل الروبوت يقلد تلك الحركات. "من خلال تزويد النظام بحركات مرجعية مختلفة ، يمكننا تدريب روبوت رباعي لأداء مجموعة متنوعة من السلوكيات الرشيقة ، بدءًا من المشي السريع إلى القفزات الديناميكية والانعطافات. و كما كتب الباحثون في مدونتهم، إن سياسة التدريب يكون بشكل أساسي عن طريق المحاكاة ، ثم نقلها إلى العالم الحقيقي باستخدام تقنية "التكيف مع الفضاء الكامن"(latent space adaptation technique) الذي يمكنه تكييف السياسة بكفاءة باستخدام بضع دقائق فقط من بيانات الروبوت الحقيقي.
العشوائية:
ومع ذلك ، فمن المعروف جيدًا أن أجهزة المحاكاة تقدم تقريبًا ضعيفًا للعالم الحقيقي ، مما يعني أن المحاكاة لا تعمل بشكل جيد في الواقع. هذا هو المكان الذي قرر فيه الباحثون استخدام تقنية تكيف الفضاء الكامنة ذات كفاءة العينة.وقد فعلوا ذلك عن طريق إدخال عنصر العشوائية إلى المعلمات الفيزيائية المستخدمة في المحاكاة من خلال كميات مادية متنوعة ، مثل كتلة الروبوت والاحتكاك. وقد أدى ذلك إلى نموذج للتعلم الآلي يمكن أن يفسر جميع أنواع الاختلافات الصغيرة والمضاعفات التي تخلقها في المستقبل.والنتيجة النهائية هي روبوت يتحرك بنفس خفة الحركة مثل الكلب الحقيقي. هذا النوع من العمل أمر حاسم لأنه يمكن أن يفتح الفرص لنشر الروبوتات لمهام معقدة في العالم الحقيقي.