Науковці з Національного університету технологій оборони Китаю та корпорація Midea Group представили систему HumanoidExo — пристрій, що одягається, який відстежує людські рухи та трансформує їх у структуровані відомості для тренування роботів.
Екзоскелет для збору даних і навчання роботів. Джерело: Github.
Фахівці мають намір розв’язати одне з найскладніших завдань роботобудування — навчити людиноподібних роботів рухатися подібно до людей без збору тисяч коштовних демонстрацій.
У процесі випробувань робот-гуманоїд Unitree G1, навчений за новою методикою, зумів здійснювати складні маніпуляції та навіть пересуватися після всього декількох зразків.
«Важливим обмежувальним фактором у навчанні роботів є отримання великих і різноманітних наборів даних, оскільки збір правдивої інформації з реального світу залишається непростим і дорогим», — зазначили розробники.
Людиноподібні роботи часто не можуть повністю відтворювати рухи людей, оскільки їхнє навчання ґрунтується на відео та моделюванні. HumanoidExo ліквідує цей пробіл, фіксуючи справжні рухи.
Костюм безпосередньо зіставляє сім суглобів руки людини з конструкцією робота. Він використовує інерційні датчики на зап’ястях і LiDAR-модуль на спині для відстеження позиції корпусу та росту людини.
Потік інформації надходить у дворівневу ШІ-систему HumanoidExo-VLA. Вона включає модель типу Vision-Language-Action, яка інтерпретує завдання, і контролер з навчанням з підкріпленням, що забезпечує рівновагу та стійкість рухів.
Згідно зі словами науковців, Unitree G1 навчений всього на п’яти керованих тілом демонстраціях і 195 сеансах, записаних за допомогою екзоскелета. Подібна гібридна комбінація підвищила успішність виконання завдання з переміщення предметів з 5% до приблизно 80%, що відповідає показнику моделі, навченої на 200 демонстраціях.
Екзоскелет зафіксував ходьбу людини до столу, після чого робот навчився ходити, хоча в його навчальних даних не було аналогічних прикладів.
За інформацією експертів, бот успішно виконав усі завдання з пересування і зміг продовжувати роботу з об’єктами без втрати балансу.
В одному з випробувань вчені фізично штовхнули робота — він самостійно повернувся у початкове положення та закінчив завдання.
Нагадаємо, в серпні Nvidia представила набір ШІ-моделей, бібліотек та інших елементів інфраструктури для розробників робототехніки.
Ваша e-mail адреса не оприлюднюватиметься. Обов’язкові поля позначені *
Цей сайт використовує Akismet для зменшення спаму. Дізнайтеся, як обробляються дані ваших коментарів.
Если вы только начинаете знакомство с вейпингом и пытаетесь разобраться, какое…
На тлі підйому вартості Zcash до $700 у криптоіндустрії виникла жвава…
Ethereum вступає в «суперцикл», аналогічний тому, що забезпечив біткоїну стократне збільшення…
Страх охопив сектор криптовалют, а індекс страху та жадібності перед криптовалютами,…
До появи квантових систем, здатних дешифрувати криптографію біткоїна, лишається щонайменше 20–40…
Дивно, але навіть незвичайніші речі можуть стати звичайними, коли їх випробують…
Агентство фінансових послуг Японії (FSA) вживає заходів для перекласифікації криптовалют як…
Bitfarms анонсувала про планомірне завершення діяльності з видобутку біткоїнів та перехід…