Turinys:
ToggleTrumpai
- LIDAR, jutikliai ir AI modeliai paverčia egzoskeleto judesį į robotų paruoštus veiksmus.
- Tyrimas rodo, kad robotai gali įgyti naujų įgūdžių vien tik iš „Exoskeleton“ duomenų, mažinant išlaidas.
- „Unitree G1“ išmoko vaikščioti tik po penkių teleoperacinių demonstracijų.
Kinijos Nacionalinio gynybos universiteto technologijos ir prietaisų gamintojo „Midea Group“ tyrimų komanda siekia išspręsti vieną iš sudėtingiausių robotikos problemų – mokyti humanoidinių robotų judėti kaip žmonės, nepasikliaudami tūkstančiais brangių demonstracijų.
Norėdami išspręsti šias problemas, komanda Praėjusią savaitę paskelbtame tyrime, paskelbtame „Humanoidexo“. Lengvame nešiojamame kostiume užfiksuotas viso kūno judesys (ginklai, liemens ir kojos) ir paverčia jį struktūrizuotais duomenimis robotų mokymosi duomenims.
Testuose „Unitree G1“ humanoidinis robotas, išmokęs duomenis, išmoko atlikti sudėtingas manipuliavimo užduotis ir net vaikščioti po to, kai buvo paveiktas tik keliais pavyzdžiais.
„Reikšmingas humanoidinio politikos mokymosi kliūtis yra didelio masto, įvairių duomenų rinkinių įsigijimas, nes patikimų realaus pasaulio duomenų rinkimas išlieka ir sudėtingas, ir sąnaudas“,-rašė tyrėjai.
Humanoidiniai robotai dažnai nesugeba apibendrinti žmogaus judesio, nes jų mokymo duomenys yra iš vaizdo ar modeliavimo. „Humanoidexo“ atkreipia dėmesį į tą spragą, fiksuojant tikrąjį bendros erdvės judesį.
Komitetas susieja septynias žmogaus rankos jungtis tiesiai prie roboto konfigūracijos, naudoja inercinius jutiklius ant riešų ir prideda lidaro bloką ant nugaros, kad galėtų sekti dėvėtojo liemenį ir aukštį.
Šis judesio srautas patenka į dvigubo sluoksnio AI sistemą, vadinamą „Humanoidexo-VLA“-regėjimo kalbų veikimo modeliu, kuris interpretuoja užduotį ir armatūros mokymosi valdiklį, kuris palaiko pusiausvyrą judesio metu.
Tyrėjai teigė, kad „Unitree G1“ buvo apmokytas tik su penkiomis teleoperacinėmis demonstracijomis ir 195 egzoskeleto įrašytomis sesijomis. Hibridiniai duomenys padidino sėkmę atliekant užduotį pasirinkimo ir vietos nuo 5% iki maždaug 80%, beveik atitinkančias 200 laipsnių pagrindą.
Kai egzoskeletas užfiksavo žmogų, einantį prie stalo, robotas išmoko vaikščioti, nors jo tiesioginiuose treniruočių duomenyse nebuvo vaikščiojimo.
Tyrėjai taip pat teigia, kad robotas pasiekė 100% sėkmės procentą lokomotyvo dalyje ir galėjo tęsti manipuliavimą objektais neprarandant pusiausvyros.
Vieno testo metu tyrėjai fiziškai atstūmė robotą nuo savo darbo srities. Jis atsigavo eidamas atgal į savo poziciją ir atlikdamas užduotį.
Tyrimas pateikiamas visuotiniame humanoidinių robotų tyrimų metu.
„NVIDIA“ projektas GR00T, „Google Deepmind's Gemini Robotics“ ir pradedančiosios įmonės, tokios kaip AI paveikslas, lenktyniauja siekdami robotų mokymo.
Tuo tarpu Paryžiuje įsikūręs „Exoskeleton“ gamintojas „Wandercraft“, kuris demonstravo savo „Atalante X“ kostiumą 2024 m. Vasaros olimpinėse žaidynėse, taip pat pasuko link humanoidinių robotųbirželio mėn. Pradėdamas savo naują humanoidinį robotą „Calvin 40“.
Naujasis robotas yra pagrįstas įmonės Lengvesnis egzoskeleto dizainas.
„Mes matome humanoidinius robotus visur – JAV, Kinijoje, iš„ Tesla “, iš AI paveikslo“, – anksčiau pasakojo „Wandercraft“ generalinis direktorius Matthieu Masselin Iššifruoti.
„Mums tai yra ta pati technologija, kurią mes tobuliname pastaruosius 10 metų, sakė jis.„ Kai tik pradėjome gauti daugiau prašymų ir žmonės patraukė mus į tą rinką, buvo prasminga tobulinti kartu su savo egzoskeletu, nemokamu ir autonominiu humanoidiniu robotu, kuris remiasi ta pačia technologija. “
Vis dėlto „Humanoidexo“ požiūris pasiūlė lengvesnį kelią į humanoidinių robotų treniruotes, kuriuose mokant robotą vaikščioti, netrukus gali reikšti tiesiog kostiumo uždėjimą ir pasivaikščioti.
Paprastai protingas Informacinis biuletenis
Savaitės AI kelionė, kurią pasakojo generacinis AI modelis.