
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

Турецкие археологи обнаружили затерянный мост, способный переписать всю раннюю историю человечества
Оказалось, что научная сенсация все это время... валялась у ученых буквально под ногами...

Секретная база в Гренландии, спрятанная 30-метровым слоем льда, угрожает всему миру
Гляциолог Уильям Колган говорит: «Американские военные думали, что это никогда не вскроется, но теперь...»...

Эксперты говорят: изобретение ученых из Перми решает одну из самых серьезных и опасных проблем в современной авиации
Американцы потратили на это десятки лет и миллиарды долларов, но открытие сделали в России...

В Антарктиде обнаружен метановый «спящий гигант», который очень быстро просыпается. И это плохая новость
Ученые в тревоге задаются вопросом: означают ли десятки газовых гейзеров под водой, что эффект домино уже запущен?...

В самом большом кратере Луны происходит что-то очень странное
Поэтому астронавты планируют туда заглянуть в самое ближайшее время...

Секретные спутники Илона Маска заподозрили в использовании запрещенных сигналов
Что это значит для России и чем могут ответить наши военные?...

Археологи поражены: 404 тысячи лет назад «римляне» спокойно разделали гигантского слона... 3-сантиметровыми ножичками
Получается, что древние охотники могли справиться с самым большим животным в Европе буквально голыми руками?...

Ученые обнаружили на Кавказе «ужасного» хищника, способного дробить черепа с одного укуса
Почему же 400-килограммовый монстр, побеждавший медведей и саблезубых тигров, все-таки исчез с лица планеты?...

«Черный ящик» раскрыл тайну летучей мыши, пожирающей птиц прямо в полете
Ученые совершенно не ожидали, что рукокрылый властелин ночного неба по свирепости и охотничьему мастерству даст фору даже соколам...

Ученые выяснили: в каком возрасте наш мозг достигает пика своей активности
Почему же 20-30 лет оказались стереотипом, далеким от реальной жизни?...

2700 дней понадобилось ученым, чтобы, наконец, раскрыть главную тайну гигантских скатов
Оказалось, что манты ныряют на 1250-метровую глубину вовсе не за едой и не спасаясь от хищников...

Мог ли великий художник Клод Моне видеть в ультрафиолетовом спектре, как пчела?
Историки уверены: после операции на глазах с французским живописцем стали происходит очень странные вещи...

В ближайшие 100 лет Юпитер «выстрелит» в Землю как минимум 342 раза
Российские ученые рассчитали: ближайшее «прицеливание» состоится уже 2031 году. Что вообще нам ожидать?...