Дослідники з Технологічного інституту Джорджії розробили новий алгоритм машинного навчання, який дозволяє гуманоїдному роботу впевнено пересуватися по піску, гравію, мокрій траві, слизьких поверхнях, схилах і сходах. Про це повідомляє Interesting Engineering.
Новий підхід, названий Learn to Teach, суттєво скорочує час і обчислювальні ресурси, необхідні для навчання системи керування роботом. Результати дослідження були представлені на Міжнародній конференції IEEE з робототехніки та автоматизації (ICRA). Технологія вдосконалює популярний метод навчання «вчитель – учень», дозволяючи одночасно навчати обидві моделі замість послідовного підходу.
Завдяки цьому алгоритму робот успішно долає різні складні природні та штучні поверхні без потреби перемикатися між різними контролерами. Під час тестів двоногий гуманоїдний робот зберігав рівновагу навіть при навмисних поштовхах і тязі, змінюючи ходу відповідно до умов.
Провідний автор дослідження Фейян Ву пояснив, що традиційний метод, де модель «вчитель» спочатку навчається у симуляції, а потім передає знання моделі «учню», має два недоліки: тривалість навчання та неповне використання накопиченої інформації. «Не потрібно чекати, поки „вчитель“ стане експертом, щоб почати навчати „учня“. Він може поступово передавати знання в процесі власного навчання», – зазначив Ву.
Крім того, модель «вчитель» також навчалася на досвіді «учня», що допомогло зменшити розрив між симуляцією і реальними умовами. Це підвищило адаптивність системи до непередбачуваних поверхонь.
Нову систему встановили на повнорозмірного гуманоїдного робота в лабораторії доцента Є Чжао. За його словами, контролер перевершив програмне забезпечення, яке постачав виробник робота. «Досі не було доведено, що великий і важкий гуманоїдний робот здатний настільки спритно пересуватися складною місцевістю», – додав Фейян Ву.
Дослідники вважають, що алгоритм Learn to Teach можна адаптувати для інших типів роботів і завдань, що потребують роботи в складних і непередбачуваних умовах.