Vil du få robotter til at køre hurtigere? Prøv at lade AI tage kontrol

Quadrupedal-robotter er ved at blive et velkendt syn, men ingeniører er stadig i gang med at finde ud af de fulde muligheder for disse maskiner. Nu siger en gruppe forskere fra MIT, at en måde at forbedre deres funktionalitet på kan være at bruge AI til at hjælpe med at lære bots at gå og løbe.

Normalt, når ingeniører skaber softwaren, der styrer bevægelsen af ​​robotter med ben, skriver de et sæt regler om, hvordan maskinen skal reagere på bestemte input. Så hvis en robots sensorer registrerer x mængden af ​​kraft på ben y, vil den reagere ved at tænde for motor a for at udøve drejningsmoment b, og så videre. Kodning af disse parametre er kompliceret og tidskrævende, men det giver forskerne præcis og forudsigelig kontrol over robotterne.

AI bruger trial and error til at udvikle sin egen løbestil

En alternativ tilgang er at bruge maskinlæring – specifikt en metode kendt som forstærkningslæring, der fungerer gennem forsøg og fejl. Dette fungerer ved at give din AI-model et mål kendt som en “belønningsfunktion” (f.eks. bevæg dig så hurtigt som du kan) og derefter slippe den løs for at finde ud af, hvordan du opnår dette resultat fra bunden. Dette tager lang tid, men det hjælper, hvis du lader AI'en eksperimentere i et virtuelt miljø, hvor du kan fremskynde tiden. Det er derfor, forstærkende læring, eller RL, er en populær måde at udvikle AI, der spiller videospil.

Dette er den teknik, som MITs ingeniører brugte til at skabe ny software (kendt som en “controller”) til universitetets firedobede forskning, Mini Cheetah. Ved at bruge forstærkningslæring var de i stand til at opnå en ny tophastighed for robotten på 3,9 m/s, eller omkring 8,7 mph. Du kan se, hvordan det ser ud i videoen nedenfor:

Som du kan se, er Mini Cheetahs nye løbegang lidt klodset. Faktisk ligner det en hvalp, der krabber for at accelerere på et trægulv. Men ifølge MIT-ph.d.-studerende Gabriel Margolis (medforfatter til forskningen sammen med postdoc-stipendiat Ge Yan), skyldes det, at AI ikke optimerer til andet end hastighed.

“RL finder én måde at løbe hurtigt på, men givet en underspecificeret belønningsfunktion, har den ingen grund til at foretrække en gangart, der er 'naturligt udseende' eller foretrukket af mennesker,” Margolis fortæller The Verge over e-mail. Han siger, at modellen bestemt kunne instrueres til at udvikle en mere flydende form for bevægelse, men hele pointen med bestræbelsen er at optimere til hastighed alene.

“Det er simpelthen meget svært at programmere, hvordan en robot skal agere i enhver mulig situation”

Margolis og Yang siger, at en stor fordel ved at udvikle controllersoftware ved hjælp af AI er, at det er mindre tidskrævende end at rode med alle de fysik. ”Det er simpelthen meget svært at programmere, hvordan en robot skal agere i enhver mulig situation. Processen er kedelig, fordi hvis en robot skulle fejle i et bestemt terræn, ville en menneskelig ingeniør være nødt til at identificere årsagen til fejlen og manuelt tilpasse robotcontrolleren,” siger de.

Mini Cheetah får en gang over fra en ikke-robothund. Billede: MIT

Ved at bruge en simulator kan ingeniører placere robotten i et vilkårligt antal virtuelle miljøer – fra fast fortov til glatte murbrokker – og lade den løse tingene selv. Faktisk siger MIT-gruppen, at dens simulator var i stand til at fremskynde 100 dages svimling, gå og løb på kun tre timers realtid.

Nogle virksomheder, der udvikler robotter med ben, bruger allerede denne slags metoder til at designe nye controllere. Andre er dog, som Boston Dynamics, tilsyneladende afhængige af mere traditionelle tilgange. (Dette giver mening i betragtning af virksomhedens interesse i at udvikle meget specifikke bevægelser – som de spring, hvælvinger og flip, der ses i dets koreograferede videoer.)

Der er også hurtigere-benede robotter derude . Boston Dynamics' Cheetah-bot har i øjeblikket rekorden for en firdobbelt, og når hastigheder på 28,3 mph – hurtigere end Usain Bolt. Cheetah er dog ikke kun en meget større og mere kraftfuld maskine end MITs Mini Cheetah, men den opnåede sin rekord ved at køre på et løbebånd og monteret på et håndtag for stabilitet. Uden disse fordele ville AI måske give maskinen en løbe for pengene.