Driblebot может играть в футбол на песке, гравии, грязи и снеге
Название Driblebot переводится как «робот, ведущий мяч», «робот для дриблинга». Он действительно может водить футбольный мяч на таких ландшафтах, как песок, гравий, грязь и снег. Машина обучается и подстраивается под изменчивую динамику мяча.
Лаборатория искусственного интеллекта Массачусетского технологического института (MIT) — часть Лаборатории компьютерных наук и искусственного интеллекта (CSAIL). Научный коллектив создал роботизированную систему, способную управлять футбольным мячом в тех же условиях, что и люди. Робот использует сочетание встроенных датчиков и вычисления для перемещения по различным природным ландшафтам. В том числе Driblebot может вставать и подбирать мяч после падения. Исследователи хотели научить машину автоматически управлять ногами, чтобы развить сложные навыки реагирования на различные естественные поверхности.
Робот, мяч и местность находятся также внутри симуляции, то есть цифрового двойника окружающей среды. Параллельно в режиме реального времени моделируются 4000 версий виртуального робота, что позволяет обрабатывать данные в 4000 раз быстрее, чем при использовании только лишь физически существующего робота.
Причём Driblebot начинает движение, не зная, как вести мяч. Он, по сути, пытается выяснить, какую последовательность усилий должен совершать ногами.
Аспирант MIT Гейб Марголис пояснил, что если в реальном времени на комплекс движений нужно пару дней, то в симуляторе пролетают сотни виртуальных дней. Со временем робот учится всё лучше и лучше управлять футбольным мячом, чтобы соответствовать желаемой скорости.
Driblebot также может перемещаться по незнакомой местности и подниматься после падений благодаря отдельному контроллеру, а затем переключиться на контроллер дриблинга, чтобы продолжить преследование мяча.
— Пулкит Агравал, профессор MIT, главный исследователь CSAIL и директор лаборатории ИИ.
Увлечение четвероногими роботами и футболом имеет глубокие корни. Канадский профессор Алан Макворт впервые описал эту идею в статье под названием «О наблюдении за роботами» ещё в 1992 году. Позднее японские исследователи организовали семинар на тему «Грандиозные вызовы в области искусственного интеллекта», который привёл к дискуссиям об использовании футбола для продвижения науки и технологий. Год спустя запустили проект Robot J-League, и вскоре последовал глобальный ажиотаж. Так возникли международные соревнования — Чемпионат мира по футболу среди роботов RoboCup.
Итак, особенность проекта заключается как раз в естественных, трудных условиях для Driblebot. Что касается аппаратной части, робот оснащён набором датчиков, которые позволяют ему воспринимать окружающую среду, чувствовать, где он находится, «понимать» своё положение и «видеть» окрестности. Набор приводов позволяют машине прикладывать усилия и перемещать себя и объекты. В системе наряду с датчиками и механизмами действует компьютер, чтобы преобразовывать данные в действия. Когда робот бежит по снегу, он может чувствовать его с помощью моторных датчиков. Но футбол — более сложная задача, чем ходьба, поэтому команда использовала камеры на голове и туловище робота для новой сенсорной модальности зрения в дополнение к новому двигательному навыку.
И учёным ещё есть, к чему стремиться: Driblebot пока не обучен условиям на склонах и лестницах. Робот не воспринимает геометрию местности; он только оценивает свойства контакта с материалом, такие как трение. Например, если есть ступенька вверх, робот застрянет. Он не сможет поднять мяч над ступенькой — это область, которую авторы проекта исследуют в будущем.
Исследователи затем применят выводы, полученные в ходе разработки Dribblebot, к другим задачам: комбинированное передвижение и манипулирование объектами, быстрая транспортировка различных объектов с места на место с помощью ног или «рук».
Сторонний эксперт по ИИ Викаш Кумар отметил, что в Dribblebot впечатляет, как сенсомоторные навыки синтезируются в режиме реального времени в недорогой системе с использованием встроенных вычислительных ресурсов. В общем, система демонстрирует замечательную ловкость и координацию.
Лаборатория искусственного интеллекта Массачусетского технологического института (MIT) — часть Лаборатории компьютерных наук и искусственного интеллекта (CSAIL). Научный коллектив создал роботизированную систему, способную управлять футбольным мячом в тех же условиях, что и люди. Робот использует сочетание встроенных датчиков и вычисления для перемещения по различным природным ландшафтам. В том числе Driblebot может вставать и подбирать мяч после падения. Исследователи хотели научить машину автоматически управлять ногами, чтобы развить сложные навыки реагирования на различные естественные поверхности.
Робот, мяч и местность находятся также внутри симуляции, то есть цифрового двойника окружающей среды. Параллельно в режиме реального времени моделируются 4000 версий виртуального робота, что позволяет обрабатывать данные в 4000 раз быстрее, чем при использовании только лишь физически существующего робота.
Причём Driblebot начинает движение, не зная, как вести мяч. Он, по сути, пытается выяснить, какую последовательность усилий должен совершать ногами.
Аспирант MIT Гейб Марголис пояснил, что если в реальном времени на комплекс движений нужно пару дней, то в симуляторе пролетают сотни виртуальных дней. Со временем робот учится всё лучше и лучше управлять футбольным мячом, чтобы соответствовать желаемой скорости.
Driblebot также может перемещаться по незнакомой местности и подниматься после падений благодаря отдельному контроллеру, а затем переключиться на контроллер дриблинга, чтобы продолжить преследование мяча.
Если вы посмотрите вокруг, то увидите большинство роботов на колёсах. Но представьте сценарий бедствия, наводнения или землетрясения. Мы хотим, чтобы роботы помогали людям при поисках и спасении. Для этого машины должны передвигаться по пресечённой местности. Наша цель — создать алгоритмы для роботов с ногами, то есть обеспечить автономность в сложных условиях
— Пулкит Агравал, профессор MIT, главный исследователь CSAIL и директор лаборатории ИИ.
Увлечение четвероногими роботами и футболом имеет глубокие корни. Канадский профессор Алан Макворт впервые описал эту идею в статье под названием «О наблюдении за роботами» ещё в 1992 году. Позднее японские исследователи организовали семинар на тему «Грандиозные вызовы в области искусственного интеллекта», который привёл к дискуссиям об использовании футбола для продвижения науки и технологий. Год спустя запустили проект Robot J-League, и вскоре последовал глобальный ажиотаж. Так возникли международные соревнования — Чемпионат мира по футболу среди роботов RoboCup.
Итак, особенность проекта заключается как раз в естественных, трудных условиях для Driblebot. Что касается аппаратной части, робот оснащён набором датчиков, которые позволяют ему воспринимать окружающую среду, чувствовать, где он находится, «понимать» своё положение и «видеть» окрестности. Набор приводов позволяют машине прикладывать усилия и перемещать себя и объекты. В системе наряду с датчиками и механизмами действует компьютер, чтобы преобразовывать данные в действия. Когда робот бежит по снегу, он может чувствовать его с помощью моторных датчиков. Но футбол — более сложная задача, чем ходьба, поэтому команда использовала камеры на голове и туловище робота для новой сенсорной модальности зрения в дополнение к новому двигательному навыку.
И учёным ещё есть, к чему стремиться: Driblebot пока не обучен условиям на склонах и лестницах. Робот не воспринимает геометрию местности; он только оценивает свойства контакта с материалом, такие как трение. Например, если есть ступенька вверх, робот застрянет. Он не сможет поднять мяч над ступенькой — это область, которую авторы проекта исследуют в будущем.
Исследователи затем применят выводы, полученные в ходе разработки Dribblebot, к другим задачам: комбинированное передвижение и манипулирование объектами, быстрая транспортировка различных объектов с места на место с помощью ног или «рук».
Сторонний эксперт по ИИ Викаш Кумар отметил, что в Dribblebot впечатляет, как сенсомоторные навыки синтезируются в режиме реального времени в недорогой системе с использованием встроенных вычислительных ресурсов. В общем, система демонстрирует замечательную ловкость и координацию.
- Дмитрий Ладыгин
- youtu.be/bV4ek-zI3CU
Наши новостные каналы
Подписывайтесь и будьте в курсе свежих новостей и важнейших событиях дня.
Рекомендуем для вас
Тайна скифской ДНК: что поразило российских ученых, когда они заглянули в геном легендарных кочевников древности
Оказалось, что 2500 лет подряд историки ошибались в происхождении этого народа. Теории и учебники придется серьезно переписать...
Выход на новый уровень: почему Россия возрождает проводное радио, а Китай давно прокачал этот вид связи
У старой технологии обнаружился огромный потенциал, который поможет миллионам людей...
Запретный остров у берегов Исландии: суша, появившаяся в 1963 году, до сих пор закрыта почти для всех
Но ученым надо поторопиться, уникальный объект исчезает в буквальном смысле на глазах...
Назад в будущее: в России вернут проводное радио. Зачем? Почему спорят эксперты?
В технологию уже вложено более миллиарда рублей, а МЧС называет проводное радио лучшим способом оповещения на сегодня...
Как же на самом деле умерла Клеопатра: почему даже древние историки не смогли прийти к согласию в этом вопросе
Скорее всего, историю об укусе змеи запустил лично император Октавиан, чтобы опорочить египетскую царицу...
Прорыв в берестяных грамотах: 445 неизвестных слов, эффект Лукерьи, реальный русский язык XI–XV веков
Поразительно, но произношение 900-летней давности до сих пор присутствует в нашем языке...
Метеорит и пришельцы ни при чем: российский геолог объяснил происхождение аномалии в сибирской тайге
Кольцевую структуру видно даже со спутника, но добраться до нее крайне сложно...
Америка проигрывает болезни, которую когда-то победила с большим трудом
Положение США усугубляют действия президента Трампа и его чиновников...
Древние деревья помогли раскрыть дело 3500-летней давности: когда пал Вавилон?
Ученые до последнего момента не знали этой даты, потому что в великом городе не было… нормального календаря...
Неожиданный поворот в деле таинственного астероида 1998 KY26: он может быть… потерянным советским зондом
В этом уверен американский астрофизик Аве Лоеб. Какие доказательства предлагает известный ученый?...
Верблюды-вампиры бродили по Америке 13 миллионов лет назад: зачем им вообще понадобились такие жуткие клыки
Ученые говорят: это была эпоха, когда североамериканским континентом правили верблюды...
Не НЛО, но что тогда: ученая объяснила появление светящихся столбов над Барнаулом
Что интересно, это уникальное явление можно увидеть не только зимой и не только в Сибири...
200-летний секрет казненной королевы: почему Мария-Антуанетта была уже обречена на скорую и мучительную гибель
Одежда рассказала не только о последних днях королевы, но и открыла судьбу 9-летнего французского принца...
Куда бить по астероиду, чтобы спасти Землю: ученые рассчитали идеальный ядерный выстрел
Почему раньше так не умели и насколько при выстреле важна форма космического тела...
Эти странные деревья изменили облик всей планеты: в Англии найден самый древний лес в истории
Поразительно, но Земля стала другой всего за 4 миллиона лет. И это событие старше колец Сатурна...