Благодаря машинному обучению маленьких роботов ждет серьёзный успех в спортивной карьере.
Специалисты из исследовательской лаборатории Google DeepMind разработали революционный метод обучения маленьких Для просмотра ссылки Войдиили Зарегистрируйся с использованием передовых технологий. Подробности их экспериментов были представлены в научном журнале Science Robotics.
По мере распространения продвинутых ИИ-моделей инженеры-программисты находят для них все более неожиданные сферы применения. Одной из давно волнующих ученых и общественность идей является создание автономных роботов, способных выполнять сложные, трудоемкие задачи, традиционно считающиеся прерогативой человека.
Британская исследовательская группа решила обратиться к методам подкрепляющего машинного обучения. Процесс включал в себя тренировку двух основных навыков в компьютерных симуляциях на физическом движке MuJoCo: умение подниматься после падения и забивание голов. Затем систему научили вести полноценные матчи один на один, задействовав для этого огромные массивы видеоданных и другой информации.
Когда виртуальные игроки освоили необходимые умения, исследователи перенесли алгоритм на несколько реальных роботов Для просмотра ссылки Войдиили Зарегистрируйся , с 20-приводными суставами и 51 см ростом. Также была внедрена дополнительная программная часть, позволяющая им совершенствовать свои способности как в отработке индивидуальных элементов, так и в ходе матчей друг против друга на миниатюрном футбольном поле.
Чтобы преодолеть различия между поведением роботов в виртуальной среде и в реальном мире — что в Google DeepMind назвали «серьезной проблемой» — разработчики специально вносили в компьютерную модель различные помехи и случайные факторы.
Наблюдая за действиями мини-спортсменов, специалисты отметили, что многие их движения выглядят гораздо более плавными и естественными в сравнении с разработками, которые были обучены стандартным методом.
«Наши игроки передвигаются, разворачиваются, бьют по мячу и быстро поднимаются после падений значительно быстрее тех, что были запрограммированы вручную. Они также демонстрируют базовое понимание игры один на один: комбинируют различные движения, чтобы забивать голы, предугадывать траекторию мяча и блокировать удары соперника «, — комментируют в DeepMind.
Компания гордится своей разработкой, но отмечает, что этот шаг — всего лишь маленькая часть глобальной стратегии по внедрению автономных роботов в нашу повседневную жизнь.
Специалисты из исследовательской лаборатории Google DeepMind разработали революционный метод обучения маленьких Для просмотра ссылки Войди
По мере распространения продвинутых ИИ-моделей инженеры-программисты находят для них все более неожиданные сферы применения. Одной из давно волнующих ученых и общественность идей является создание автономных роботов, способных выполнять сложные, трудоемкие задачи, традиционно считающиеся прерогативой человека.
Британская исследовательская группа решила обратиться к методам подкрепляющего машинного обучения. Процесс включал в себя тренировку двух основных навыков в компьютерных симуляциях на физическом движке MuJoCo: умение подниматься после падения и забивание голов. Затем систему научили вести полноценные матчи один на один, задействовав для этого огромные массивы видеоданных и другой информации.
Когда виртуальные игроки освоили необходимые умения, исследователи перенесли алгоритм на несколько реальных роботов Для просмотра ссылки Войди
Чтобы преодолеть различия между поведением роботов в виртуальной среде и в реальном мире — что в Google DeepMind назвали «серьезной проблемой» — разработчики специально вносили в компьютерную модель различные помехи и случайные факторы.
Наблюдая за действиями мини-спортсменов, специалисты отметили, что многие их движения выглядят гораздо более плавными и естественными в сравнении с разработками, которые были обучены стандартным методом.
«Наши игроки передвигаются, разворачиваются, бьют по мячу и быстро поднимаются после падений значительно быстрее тех, что были запрограммированы вручную. Они также демонстрируют базовое понимание игры один на один: комбинируют различные движения, чтобы забивать голы, предугадывать траекторию мяча и блокировать удары соперника «, — комментируют в DeepMind.
Компания гордится своей разработкой, но отмечает, что этот шаг — всего лишь маленькая часть глобальной стратегии по внедрению автономных роботов в нашу повседневную жизнь.
- Источник новости
- www.securitylab.ru