CMU ロボット犬、逆立ちして階下へ！リリースはオープンソースです-AI-php.cn

CMU ロボット犬、逆立ちして階下へ！リリースはオープンソースです

王林

リリース： 2023-10-04 11:21:08

転載

1090 人が閲覧しました

ロボット犬には本当にたくさんのトリックがあります -

しかし、今日の はやはり素晴らしいです 。

CMU の最新の結果により、犬は次のことを直接学ぶことができます:

走り高跳びはの 2 倍、走り幅跳び、逆立ち、さらには階段を下りる逆立ち 早速、写真を見せて体験してみましょう:

#△ これは走り幅跳びです CMU ロボット犬、逆立ちして階下へ！リリースはオープンソースです

△これはハイジャンプです CMU ロボット犬、逆立ちして階下へ！リリースはオープンソースです

△逆立ちサ・フアナー CMU ロボット犬、逆立ちして階下へ！リリースはオープンソースです

重いジャンプが必要です書かれている内容は、 △階段を下りる逆立ち CMU ロボット犬、逆立ちして階下へ！リリースはオープンソースです

特に走り高跳びの部分の「奮闘」が特にソウルフルだと言わざるを得ません。

これらの操作に加えて、CMU は、

完全自律型.

といういくつかのパルクールビデオもリリースしました。

尾根を踏み、隙間を抜け、斜面を越えるのは爽快です。

たとえ「間違い」があっても、真ん中、それは当面の進歩には影響しません CMU ロボット犬、逆立ちして階下へ！リリースはオープンソースです

Laughing Rat、さらに CMU ロボット犬、逆立ちして階下へ！リリースはオープンソースです

ストレステスト

とその結果を手配しましたもちろん「合格」~

最も驚くべきことは、CMU によると、上記の極端な操作はすべて単一のニューラルネットワークによって完了されるということです。 CMU ロボット犬、逆立ちして階下へ！リリースはオープンソースです

これを聞いて、ルカン氏は彼に親指を立てざるを得ませんでした。

そんな魂を磨くにはどうすればよいでしょうか？

このツイートでは、著者がこの犬のテクニックを詳しく分析しています CMU ロボット犬、逆立ちして階下へ！リリースはオープンソースです

まず、視覚に基づいた端から端までの歩行と比較して、走り高跳びや走幅跳びの極端な動作は、体長は2倍、まったく同じレベルではありません

結局のところ、一歩間違えば「致命的」な結果を引き起こす可能性があります

この点で、CMUは

sim2real#を採用しています

## 正確なフットコントロールを実現し、メカニカルアドバンテージを最大化することに挑戦します。

その中でジムはシミュレーターに使用されますさらに逆立ち。明らかに、二本足で歩くことは四本足で歩くことよりはるかに困難です しかし、カーネギーメロン大学のロボット犬は、同じ基本的な方法を使用して両方のタスクを同時に達成し、姿勢を維持しながら階段を上ることさえできます。反転状態

第三に、パルクール操作

(この研究の焦点)

では、ロボット犬は

# 正確な「目の筋肉」調整を通じて ##自分で進むべき道を決定する必要があります人間の指示に従うのではなく

。

たとえば、2 つの坂道を連続して通過する場合、非常に特定の角度で坂道をジャンプし、すぐに方向を変える必要があります。順番CMU は、

MTS

CMU ロボット犬、逆立ちして階下へ！リリースはオープンソースです (Mixed Teacher Student)

システムを使用して、ロボット犬にこれらの正しい方向を教えます。

システムは、予測された方向が真の値に近い場合にのみそれを採用します具体的には、システムは 2 つの段階に分かれています

最初の段階では、RL は最初に動作戦略を学習するために使用されます。このプロセスでは、いくつかの特権情報にアクセスできます。環境パラメータとスキャンポイント

(スキャンドット) に加えて、CMU は次の情報も提供しますいくつかの標識ポイント

(ウェイポイント) は、一般的な方向をガイドするために提供されています。

次に、正規化オンライン適応 (正規化オンライン適応、ROA) を使用して、観察履歴から環境情報を回復するように評価者を訓練します。

第 2 段階では、スキャンポイント (スキャンドット) から戦略が抽出され、システムは戦略と深度情報に基づいて独自に前進方法を決定し、モーターコマンドを出力します。素早く。

プロセス全体は「教師が教え、生徒が類推で学ぶ」ようなものです。

このシステムに加えて、パルクールでは障害物を越えるためにさまざまな動作が必要となるため、特定のデザインが設計されています。 報酬関数も頭痛の種です。

ここで、著者はすべてのタスクに対して統一された単純な内積報酬関数を定式化することを選択しました。

これは、さまざまな報酬を自動的に生成し、さまざまな地形の形状に完全に適応できます。

これがないと、犬のパフォーマンスは低下します。次のようになります。

最後に、CMU は、深度画像からデータを抽出するための新しい二重蒸留 (二重蒸留) 手法も提案しました。機敏な動作指示と急速に変動する前方向を抽出します。。

同様に、これがなければ、犬は酔っぱらいのように行動します:

上記の手順の後、犬はついにまったく新しいことを学びました。パルクールを単独で実行でき、いくつかの難しいアクションを完了できますか?

?心配しないでください:

上記の成果はすべて CMU によってオープンソース化されています (日付を見てください。まだ暑いです)。

同時に、こちらの論文も公開されました。

著者の紹介は最後にあります

この研究はカーネギーメロン大学によって完了し、合計 4 人の著者が参加しました

#そのうち 2 人は共著者で、どちらも中国人です:

1 人は Xuxin Cheng という名前で、この作品は彼が CMU の大学院生だったときに完成しました。現在カリフォルニア在住サンディエゴ大学 (UCSD) の博士課程の学生、指導教官は Wang Xiaolong 氏、もう 1 人の

は CMU Robotics Institute の客員研究員 Shi Kexin 氏です。彼女は西安交通大学を卒業し、学士号を取得しました。

プロジェクトのホームページのリンク: https://extreme-parkour.github.io/ (論文、コードなどへのリンクを含む)

以上がCMU ロボット犬、逆立ちして階下へ！リリースはオープンソースですの詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。