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
Искали золото в Австралии, а обнаружили следы взрыва тысяч атомных бомб
Почему находка древней катастрофы сильно продвинуло исследование Марса?...
Непотушенный окурок взорвал целый город: чудовищная катастрофа и чудовищная ложь в США
Почему власти десятилетиями умалчивали истинную причину самого мощного техногенного ЧП в истории Штатов?...
Секреты «русского гена»: о чем молчит гаплогруппа R1a1?
67 общих маркеров ДНК: половина современных русских мужчин и две трети мужчин из высших каст Северной Индии происходят от одного предка. И не только......
Если высохнет Каспий: почему это особенно опасно для России?
Прогнозы пугают: уникальное море-озеро может уменьшиться почти на 40%. И это катастрофа...
«Код» таинственной золотой подводной сферы наконец-то взломан спустя три года
Ученые говорят: это был настоящий ДНК-детектив. Внеземная «капсула» оказалась «деталью» морского гиганта...
Битва под Каневом: почему на 350 лет замолчали сокрушительную победу России?
Неудобная победа, предательство и идеология. Мы бы могли вообще не узнать об этом триумфе русского оружия...
Гениально, многоэтажно и смертельно опасно: как римляне научились строить высотные дома
Почему реальный Древний Рим выглядел вообще не так, как нам показывают в исторических фильмах?...
За что Владимир Ленин трижды выдвигался на Нобелевскую премию?
Почему самая большая «мирная» награда так и не дошла до главного большевика?...
Новая вселенная внутри звезды: почему Эйнштейн мог ошибаться насчет черных дыр
Больше 20 лет эта гипотеза в буквальном смысле раздирает мир науки. Но, возможно, именно она выведет ученых из тупика сингулярности...
Прорыв в астрономии: найти жизнь в космосе будет гораздо проще
Ученых не пугает даже погрешность в 20%. Зато будут просканированы тысячи планет...
43 — проклятый возраст Рюриковичей: почему многие князья не переживали этот роковой рубеж?
Генетики говорят: русская династия слишком поздно поняла, что попала в ловушку «чистой» крови...
Старше на 500 лет: что скрывает «тестовая модель» Стоунхенджа?
Сначала «тренировались» на дереве, а потом перешли на камень...
«Зараженная» Европа: Земля могла наградить жизнью спутник Юпитера
За 3,5 миллиарда лет земные бактерии могли долететь до 105 звездных систем. Так что у Европы есть все шансы на «заражение»...