本週發表的一篇預印本論文和博客文章顯示，谷歌研究人員開發了一款可以學習和模擬動物的動作的AI系統，以賦予機器人更大的靈活性。該論文的合著者認為，他們的方法可以促進機器人的發展，從而讓機器人能夠完成生活中一些對靈活性要求較高的任務，例如在多層倉庫和履行中心之間運輸材料。
該團隊的框架採用動物（在本例中是狗）的動作捕捉片段，並使用強化學習（reinforcement learning）來訓練控制策略，強化學習是一種通過獎勵激勵軟件代理完成目標的訓練技術。
研究人員說，為該系統提供不同的參考運動，使他們能夠“教”一個四足Unitree-Laikago機器人執行一系列行為，從快速行走（速度高達每小時2.6英里）到跳躍和轉身。
為了驗證他們的方法，研究人員首先編制了一組真實的狗表演各種技能的數據集。（訓練主要在物理模擬中進行，以便能夠密切跟蹤參考運動的姿勢）。然後，通過使用獎勵函數中的不同運動（描述了行為者的行為方式），研究人員用大約2億個樣本訓練了一個模擬機器人來模擬運動技能。
但模擬器通常只提供對真實世界的粗略近似。為了解決這個問題，研究人員採用了一種自適應技術，該技術可以隨機化模擬中的動力學，例如改變物理量，例如機器人的質量和摩擦力。使用編碼器將這些值映射到數字表示（即編碼），該數字表示作為輸入傳遞給機器人控制策略。當將該策略部署到實際的機器人上時，研究人員移除了編碼器，並直接搜索一組變量，這些變量使機器人能夠成功執行技能。
該團隊說，他們能夠在大約50個試驗中使用不到8分鐘的真實數據來使策略適應實際情況。此外，他們還演示了真實的機器人學習模仿狗的各種動作，包括踱步和小跑，以及藝術家動畫的關鍵幀動作，如動態跳躍轉身。
“我們證明，通過利用參考運動數據，一種基於學習的方法能夠自動合成控制器，以實現有腿機器人的各種行為。”該論文的合著者寫道。“通過將有效的領域自適應樣本技術整合到培訓過程中，我們的系統能夠學習模擬中的自適應策略，然後可以快速將其應用於實際部署中。”
然而，這種控制策略不是十全十美的。 由於算法和硬件的限制，它無法學習高度動態的行為（例如大的跳躍和奔跑），並且不如最佳的手動設計控制器那樣穩定。（在5種情節中，每種方法總共進行15次試驗，現實世界中的機器人在6秒後踱步時平均下降；在5秒後向後小跑時平均下降；在旋轉時平均下降9秒）。對此，研究人員表示，將繼續改進控制器的魯棒性，並開發可以從其他運動數據源（如視頻剪輯）學習的框架。（雷鋒網雷鋒網）
注：本文由雷鋒網編譯自venturebeat
原文鏈接：
https://venturebeat.com/2020/04/03/googles-ai-learns-motions-from-dogs-applies-to-real-world-robot/
閱讀更多 雷鋒網 的文章
