Изследователи от Технологичния институт на Джорджия (Georgia Tech) са разработили нов алгоритъм за машинно обучение, който позволява на хуманоиден робот уверено да се движи по пясък, чакъл, мокра трева, склонове, стълби и хлъзгави повърхности. Както съобщава Interesting Engineering, новият подход значително намалява времето и изчислителните ресурси, необходими за обучение на системата за управление.

Резултатите от новите изследвания бяха представени на Международната конференция по роботика и автоматизация на IEEE (ICRA). Според учените, тяхната технология, наречена „Learn to Teach“, подобрява популярния метод на обучение между учител и ученик.

За разлика от традиционния подход, при който моделите се обучават последователно, новият подход обучава и двата модела едновременно. Това позволи създаването на система за управление, която работи успешно дори върху повърхности, които роботът никога преди не е „виждал“.

Новият контролер беше тестван върху двуног хуманоиден робот. По време на тестовете той успешно се е движил както в сложни природни пейзажи, така и в разнообразни закрити повърхности.

Изследователите също така умишлено бутали и дърпали робота, докато той се движил. Въпреки това той регулирал походката си и поддържал равновесие.

Резултатите от изследването бяха представени на Международната конференция по роботика и автоматизация на IEEE (ICRA). Авторите отбелязват, че предложеният алгоритъм може да бъде адаптиран към други видове роботи и различни задачи, не само за ходене.

Новият подход позволява по-бързо учене

При традиционния метод на обучение първо се създава модел на „учител“, който има достъп до подробна компютърна симулация. Едва след като обучението му приключи, придобитите знания се прехвърлят към модела „ученик“, който след това директно управлява действителния робот.

Водещият автор на изследването, Фейянг Ву, обясни, че този подход има два съществени недостатъка.

Първо, моделите трябва да се обучават последователно, което отнема време. Второ, значителна част от информацията, натрупана от „учителския“ модел, всъщност не се използва напълно.

Според учения, обучението на роботи в симулации може да изисква много часове изчисления на скъпи графични процесори (GPU), което прави процеса бавен и скъп.

Вместо да чакат моделът „учител“ да овладее напълно задачата, изследователите от Технологичния институт на Джорджия обучават и двата модела паралелно. С придобиването на нови знания „учителят“ веднага ги предава на „ученика“, което значително намалява времето за обучение.

„Няма нужда да чакаме „учителят“ да стане експерт, преди да преподаваме на „ученика“. Те могат постепенно да предават знания, докато учат“, обясни Фейянг Ву.

Освен това, учените позволили на модела „учител“ да се учи и от опита на „ученика“. Това помогнало за намаляване на така наречената „разлика между учител и ученик“, когато реалният робот се сблъсква с условия, различни от идеализираната компютърна симулация.

Един алгоритъм за различни повърхности

Новата система е инсталирана на пълноразмерен хуманоиден робот в лабораторията на доцент Йе Джао.

Роботът успешно се е справял с неравен външен терен и хлъзгави вътрешни повърхности, без да се налага да превключва между различни алгоритми за управление.

Фейян Ву признава, че екипът не е очаквал толкова високи резултати.

Според него никога не е било доказано, че голям и тежък хуманоиден робот може да се ориентира толкова сръчно в труден терен. Новият алгоритъм за обучение обаче се е доказал като ефективен в голямо разнообразие от условия.

Доцент Йе Джао отбелязва, че новият контролер дори е превъзхождал софтуера, предоставен от производителя на роботи. Това, според него, демонстрира ползите от комбинирането на съвременни методи за машинно обучение с практическата роботика.

Изследователите смятат, че технологията „Learn to Teach“ може да се използва не само за хуманоидни роботи, но и за други роботизирани системи, които трябва да работят в непредсказуеми условия.