ایجاد موانع مجازی برای آموزش راه رفتن به ربات‌ها

به گزارش مجله خبری نگار، به نقل از آی‌ای، از یک ارتش مجازی متشکل از ۴۰۰۰ ربات شبیه به سگ برای آموزش الگوریتمی استفاده شده است که قادر به تقویت عملکرد ربات‌ها در دنیای واقعی است.

این ارتش رباتیک شبیه‌سازی شده توسط محققان سوئیسی "موسسه فدرال فناوری زوریخ" (ETH) به همراه مهندسان شرکت "انویدیا" (Nvidia) توسعه داده شده است. آن‌ها با هم در یک محیط مجازی به نام "ANYMals" برای غلبه بر موانع دشوار مانند پله‌ها، شیب‌ها و شکاف‌های تیز طراحی شده‌اند.

هر بار که یک ربات، مانعی را رد می‌کند، محققان مانع و مشکل سخت‌تری را به آن ارائه می‌دهند و این توالی، الگوریتم را در یک پازل دیوانه‌وار و بی‌پایان قرار می‌دهد که تنها هدف آن آموزش دیجیتالی ربات‌ها برای غلبه انواع موانع و رسیدن به سطحی از پیچیدگی است که هم اکنون در هوش مصنوعی دیده نمی‌شود.

در واقع آنچه شاهد آن هستیم یک زمین گرافیکی است که لشگری از ربات‌ها در حال حرکت در دریایی غول پیکر از اشکال هندسی هستند. در نهایت هنگامی که الگوریتم نهایی به نمایش گذاشته شد، ربات‌ها با موفقیت از موانع و پله‌ها عبور کردند، اما مشکلاتی در کار با سرعت بالاتر داشتند.

البته محققان، الگوریتم را مقصر نمی‌دانند. در عوض، آن‌ها فکر می‌کنند عدم مطابقت بین نحوه درک حسگر‌ها در دنیای واقعی و دنیای مجازی سبب ایجاد این مشکل شده است. اما در کل، این نوع یادگیری سریع ربات‌ها می‌تواند نمودار یادگیری ربات‌ها و ماشین‌های دیگر را بالا ببرد تا مهارت‌های فراوانی را بیاموزند.

این پروژه همچنین اهمیت استفاده از شبیه‌سازی برای پیشرفت قابلیت‌های هوش مصنوعی را تأیید می‌کند.

پروفسور "پیتر آبیل"، پروفسور دانشگاه "برکلی" که همچنین یکی از بنیان‌گذاران شرکت "کوواریانت" (Covariant) است که از هوش مصنوعی و شبیه‌سازی برای آموزش بازو‌های رباتیک برای مرتب سازی اشیا استفاده می‌کند، می‌گوید: شبیه سازی بسیار سریع در سطح بالا واقعاً یک چیز عالی است.

"آبیل" فکر می‌کند که کار محققان سوئیسی و مهندسان شرکت "انویدیا" پیشرفت چشمگیری را فراهم کرده است.

امروزه هوش مصنوعی پیشرفت زیادی کرده است و هم اکنون می‌تواند توانایی ربات‌ها را برای انجام وظایف پیچیده در دنیای روزمره ما ارتقا دهد.

وقتی ربات‌ها پا‌های خود را حرکت می‌دهند، یک "الگوریتم داوری" چگونگی کمک به توانایی ربات در راه رفتن را بررسی می‌کند و الگوریتم‌های کنترلی را برای تطبیق با ادامه حرکت تنظیم می‌کند. تراشه‌های هوش مصنوعی "انویدیا" از شبیه‌سازی‌ها پشتیبانی می‌کنند و محققان را قادر می‌سازند تا ارتش ربات‌ها را در یک صدم زمان مورد نیاز آموزش دهند.

به نظر می‌رسد ما سرانجام به آغاز عصر ربات‌های خودآموز رسیده‌ایم و با ترکیب یادگیری تقویتی با پیشرفت‌های اخیر هوش مصنوعی، محدودیت‌های حرکت رباتیک ممکن است به زودی برداشته شود و ربات‌ها در دنیای فیزیکی بسیار بهتر عمل کنند.