日前,苏黎世联邦理工学院机器人系统实验室团队在《科学·机器人学》上发表最新论文,给出了新证据表明,运用数据驱动法设计的机器人软件,有很大希望解决机器人和人工智能研究长期面临的巨大难题——仿真与现实之间的差距。
团队演示的方法是将经典控制论与机器学习技术相结合。他们首先设计了一个四足机器人的传统数学模型,并给机器人起名“ANYmal”。接下来,再从引导机器人四肢运动的致动器中收集数据,数据输入多个人工智能神经网络系统,从而建立了第二个模型。这个机器学习模型,就可以自动预测“AMYmal”机器人的肢体运动。经过训练的神经网络,只要插入第一个模型中,就可以在电脑上仿真运行这个混合模型。
团队发现这种利用数据驱动法设计的软件,大大提高了机器人的运动技能——它速度更快,动作也更精准,而且先将运动策略在仿真器中优化,再转入机器人体内在物理世界进行测试,最后机器人的表现,竟然和仿真表现一样好。
这一成就,被认为是机器人及人工智能的一项重要突破,其预示着,曾经不可逾越的仿真与现实之间的差距正在被消弭。同时这也预示着新一轮人工智能的重大变革,而混合模型,正是这场变革的第一步。之后,所有的分析模型都将面临“下岗”。
通过机器人在现实环境中收集到的数据,训练机器学习模型——这一方法也被称为“端到端训练”。其正缓慢但坚定地照进现实,在诸如关节式机械臂、多指机械手、无人机,甚至是无人驾驶汽车中得到应用。或许不久的将来,机器人工程师将不必再“告诉”机器人如何走路、如何抓取,而是让机器人利用自身收集得来的数据,进行自我学习。
现如今,机器人已经在学习的路上更进一步,这不仅是一次具有实际意义的突破,让某些工程性劳动得以解放,还标志着科学家们已开启了“机器人自主时代”。
(据《科技日报》)
转载请注明出处。