놀랍게도 로봇 개는 이미 이 능력을 갖고 있습니다.

단일 신경망을 사용하여 조작하는 것은 4족 로봇 분야의 주요 기술 혁신입니다.

파쿠르는 참가자들이 대부분의 시간 동안 매우 역동적인 방식으로 장애물을 넘어야 하는 익스트림 스포츠입니다. "서투른" 로봇은 손이 닿지 않는 것 같지만 최근 로봇 제어 분야에서 기술적 혁신이 일어나는 추세가 있습니다. 몇 주 전, 이 사이트에서는 강화 학습 방법을 사용하여 로봇 개에게 파쿠르를 달성하고 좋은 결과를 얻은 연구에 대해 보고했습니다. 최근 카네기멜론대학교(CMU)에서는 로봇견 파쿠르에 도전하는 놀라운 새로운 방법을 제안하는 새로운 연구를 진행했고, 그 효과는 더욱 향상되어 사람들이 만장일치로 "대단하다" "대단하다"라는 평가를 했을 정도다.

관객들은 "마치 '블랙미러'에 나오는 것 같다"고 말했다. 로봇개들은 장애물 코스에서 경쟁자처럼 행동하고, 불연속적인 상자를 자동으로 건너고, 쉽게 달릴 수 있다. 다양한 각도로 기울어진 경사면 사이를 점프하고

장애물을 통과하는 속도도 매우 빠릅니다.

0.8미터(로봇개 길이의 2배)의 틈을 쉽게 뛰어넘기:

높이 0.51미터(로봇개 높이의 2배)가 넘는 장애물 오르기:

아무도 없습니다. 이번에는 꼿꼿이 서서 뒷다리도 사용해 보상하며 진짜 개처럼 행동했다.

로봇개는 앞다리 두 개만으로 걷는 등 현실 세계의 동물들이 하기 힘든 일도 할 수 있는데, 이는 거꾸로 걷는 것과 같습니다.

두 발만으로 계단을 내려갈 수도 있습니다 앞다리:

게임에서 버그를 만난 것 같은 느낌이 조금 웃기기도 하고 동시에 언캐니 밸리 효과를 암시하기도 합니다

이 연구의 목표는 작고 저렴한 제품을 가능하게 하는 것입니다. 로봇 개는 파쿠르 작업을 성공적으로 완료합니다. 이 로봇 개의 운전 시스템은 충분히 정확하지 않으며 인식을 위한 전면 깊이 카메라만 있습니다. 이는 주파수가 낮고 지터와 인공물이 발생하기 쉽습니다.

이 연구는 원시 깊이 및 내장 센서 입력을 기반으로 한 신경망을 제안합니다. 관절 각도 명령을 직접 생성하기 위한 네트워크입니다. 대규모 강화 학습 시뮬레이션 교육을 수행함으로써 이 방법은 센서 부정확성과 액추에이터 문제로 인한 문제를 해결하여 엔드투엔드 고정밀 제어 동작을 달성할 수 있습니다. 이 연구 프로젝트는 오픈 소스 플랫폼에 공개되었습니다

논문을 보려면 다음 링크를 클릭하세요: https://extreme-parkour.github.io/resources/parkour.pdf
프로젝트 주소: https://extreme-parkour.github.io/resources/parkour.pdf /github.com/chengxuxin/extreme-parkour

이 연구는 엔드투엔드 데이터를 사용합니다. 로봇 개에게 "파쿠르" 능력을 갖추기 위한 강화 학습 프레임워크를 기반으로 합니다. 본 연구에서는 로봇견이 배치 시 장애물 유형에 따라 자가 조정이 가능하도록 새로운 이중증류 방식을 제안한다. 이 전략은 유연한 모션 명령을 출력할 수 있을 뿐만 아니라 입력된 깊이 이미지에 따라 방향을 빠르게 조정할 수도 있습니다.

단일 신경망이 다양한 파쿠르 기술 행동을 특성화할 수 있도록 이 연구는 내적을 기반으로 하는 간단하고 효과적인 보편적 보상 설계 원리를 제안합니다.

구체적으로 연구의 목표는 원시 깊이 및 온보드 감지부터 관절 각도 명령까지 신경망을 직접 훈련하는 것입니다. 적응형 움직임 전략을 훈련하기 위해 이 연구는 극한 파쿠르 작업에 대한 주요 수정 사항이 포함된 정규화된 온라인 적응(ROA) 방법을 채택했습니다.

이번 연구의 목표는 로봇개에게 오르기, 틈새 뛰어넘기, 달리기와 경사면 점프하기, 거꾸로 서기 등 4가지 기술을 익히는 것입니다. 아래 표 1은 다른 여러 방법과 비교한 비교 결과를 보여줍니다

시스템 내 각 부분의 역할을 확인하기 위해 연구에서는 두 가지 기준선을 제안했습니다. 연구는 먼저 보상 설계와 전반적인 프로세스를 테스트했으며 결과는 아래 표 2에 나와 있습니다.

두 번째 기준 세트의 목적은 방향 예측을 위한 BC와 방향 예측을 위한 단검을 포함하는 증류 설정을 테스트하는 것입니다. 행위. 실험 결과는 표 3에 나와 있습니다

또한 연구에서는 여러 가지 실제 실험을 수행하고 성공률을 기록하고 이를 NoClear 및 NoDir 기준과 비교했습니다. 실험 결과는 그림 7에 나와 있습니다.

관심 있는 독자는 논문의 원문을 읽고 연구 내용에 대해 자세히 알아볼 수 있습니다.

위 내용은 놀랍게도 로봇 개는 이미 이 능력을 갖고 있습니다.의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!