CMU-Roboterhund steht kopfüber und geht die Treppe hinunter! Die Veröffentlichung ist Open Source

Es gibt wirklich zu viele Tricks für Roboterhunde——

Aber heuteIch war trotzdem erstaunt.

Die neuesten Ergebnisse von CMU ermöglichen es Hunden, direkt zu lernen:

Hochsprung mit der doppelten Körperlänge, Weitsprung, Handstand und sogar Handstand die Treppe hinunter

Da gibt es nicht viel zu sagen, zeigen Sie einfach das Bild Erlebe es Welle:

△ Das ist der Weitsprung

△ Das ist der Hochsprung

△ Handstand

Der Inhalt, der neu geschrieben werden muss, ist: △ Handstand nach unten die Treppe

Ich muss sagen, besonders der „Kampf“ im Hochsprungbereich macht den Hund besonders gefühlvoll.

Zusätzlich zu diesen Aktivitäten veröffentlichte CMU auch mehrere Parkour-Videos, völlig autonome.

Es ist so ein erfrischendes Gefühl, den Grat zu betreten, durch die Lücke zu gehen und den Hang zu überqueren

Auch wenn mittendrin ein paar „Fehler“ passieren, hat das keinen Einfluss auf den unmittelbaren Fortschritt

Laugh Rat hat sogar einen Stresstest arrangiert, und das Ergebnis war natürlich „bestanden“~

Das Erstaunlichste ist, dass laut CMU alle oben genannten extremen Operationen von einem einzigen durchgeführt werden neuronales Netzwerk.

Bruder LeCun musste einen Daumen nach oben geben, nachdem er das gehört hatte.

Wie kann man so eine Seele verfeinern?

In diesem Tweet hat der Autor die Technik dieses Hundes im Detail analysiert

Erstens sind im Vergleich zum End-to-End-Gehen basierend auf der Sicht extreme Operationen wie Hochsprung und Weitsprung mit der doppelten Körperlänge nicht möglich überhaupt auf dem gleichen Niveau

Schließlich kann jeder Fehler „fatale“ Folgen haben

In diesem Zusammenhang nutzt CMU

sim2real, um eine präzise Fußkontrolle und Herausforderungen zu erreichen, um mechanische Vorteile zu maximieren.

Unter anderem wird das Fitnessstudio als Simulator verwendet.

Außerdem wird der Handstand verwendet. Offensichtlich ist das Gehen auf zwei Beinen viel schwieriger als das Gehen auf vier

Der Roboterhund der Carnegie Mellon University verwendet jedoch denselben grundlegenden Ansatz, um beide Aufgaben gleichzeitig zu erledigen, und ist sogar in der Lage, Treppen hinunterzugehen, während er den umgekehrten Zustand beibehält

Drittens muss der Roboterhund für den Parkour-Betrieb

(der Schwerpunkt dieser Forschung) seine eigene Richtung durch präzise Koordination der „Augenmuskeln“ bestimmen, anstatt menschlichen Befehlen zu gehorchen. Wenn es beispielsweise zwei Rampen hintereinander passiert, muss es in einem ganz bestimmten Winkel die Rampe hinaufspringen und dann sofort die Richtung ändern

Um diese korrekten Richtungen zu lernen, verwendet CMU

MTS

( Gemischter Lehrer-Schüler) System zum Unterrichten des Roboterhundes. Das System wird es nur übernehmen, wenn die vorhergesagte Richtung nahe am wahren Wert liegt

Konkret ist das System in

zwei Phasen

unterteilt: In der ersten Phase wird RL zunächst zum Erlernen einer Bewegungsstrategie verwendet . Der Prozess kann auf einige privilegierte Informationen zugreifen (Scandots) allgemeine Richtung.

Dann wird die regulierte Online-Anpassung (Regularized Online Adaptation, ROA) verwendet, um den Bewerter darin zu schulen, Umweltinformationen aus dem Beobachtungsverlauf wiederherzustellen.

In der zweiten Stufe wird die Strategie aus den Scanpunkten (Scandots) extrahiert und das System entscheidet selbstständig auf Basis der Strategie und Tiefeninformationen, wie es weitergeht und gibt so motorische Befehle agil aus.

Der gesamte Prozess ist wie „Lehrer lehrt, Schüler lernen analog“

Da Parkour zusätzlich zu diesem System eine Vielzahl verschiedener Aktionen zum Überwinden von Hindernissen erfordert, ist es auch wichtig, eine spezifische Belohnungsfunktion zu entwerfen für jedes Hindernis.

Hier hat sich der Autor dafür entschieden, eine einheitliche und einfache innere Produktbelohnungsfunktion für alle Aufgaben zu formulieren.

Es kann automatisch verschiedene Belohnungen generieren und sich vollständig an verschiedene Geländeformen anpassen

Ohne es wäre die Leistung des Hundes wie folgt:

Schließlich wird CMU auch zur Extraktion vorgeschlagen agile Bewegungsanweisungen und schnell schwankende Vorwärtsrichtungen aus Tiefenbildern. Ähnlich verhält sich der Hund ohne ihn wie ein Trunkenbold:

Nach den oben genannten Schritten lernte der Hund endlich einen neuen autonomen Parkour und konnte einige schwierige Aktionen ausführen

Ist das nicht aufregend? Keine Sorge:

CMU

hat alle oben genannten Ergebnisse als Open Source bereitgestellt

(schauen Sie sich dieses Datum an, es ist immer noch heiß).

Gleichzeitig wurde auch dieses Papier veröffentlicht. Die

Einführung des Autors finden Sie am Ende

Diese Forschung wurde von der Carnegie Mellon University abgeschlossen, und insgesamt haben vier Autoren teilgenommen

Unter ihnen

zwei Co-Autoren, und beide sind Chinesen

: Einer heißt Xuxin Cheng. Er ist jetzt Doktorand an der University of California, San Diego

, und sein Betreuer ist Wang Xiaolong Der andere heißt Shi Kexin, Gastwissenschaftler am CMU Robotics Institute. Sie schloss ihr Studium an der Xi'an Jiaotong University mit einem Bachelor ab.

Link zur Projekt-Homepage: https://extreme-parkour.github.io/ (einschließlich Links zu Papieren, Codes usw.)

Das obige ist der detaillierte Inhalt vonCMU-Roboterhund steht kopfüber und geht die Treppe hinunter! Die Veröffentlichung ist Open Source. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!