Lai robotizētais mehānisms iemācītos staigāt, nepietiek tikai ar to, lai “piestiprinātu” vairākas kājas. Mācīšanās kustēties ir ļoti sarežģīts process, kas izstrādātājiem prasa daudz laika. Bet tagad šo jautājumu atrisinās mākslīgais intelekts, jo ekspertu grupa ir izveidojusi universālus algoritmus, kas palīdz AI iemācīt jebkuras konfigurācijas robotiem kustēties. Šajā gadījumā cilvēka iejaukšanās šajā procesā nav nepieciešama.
Attīstības pamatā ir zinātnieku komanda no Kalifornijas Bērklija universitātes un ekspertu grupa no Google Brain, kas ir viena no Google mākslīgā intelekta pētniecības jomām. Viņu jaunā sistēma apmācīja četrkājaino robotu šķērsot gan pazīstamo reljefu, gan nepazīstamo.
Pastiprināšanas mācīšanās būtībā ir burkānu un nūju metode, kas pielāgota AI. Viņš izmanto atlīdzību vai sodu par mērķu sasniegšanu vai nesasniegšanu.
Eksperimentiem zinātnieki paņēma robotu Minitaur. Viņi izstrādāja sistēmu, kas sastāvēja no darbstacijas, kas atjaunināja neironu tīkla datus, ielādēja informāciju Minitaur un lejupielādēja to atpakaļ. NVIDIA Jetson TX2 mikroshēma uz robota bija atbildīga par informācijas apstrādi. Robots staigāja 2 stundas un veica 160 000 soļu. Šajā laikā algoritms apbalvoja robotu par pārvietošanos uz priekšu un sodīja to, ja tas iestrēdzis vietā vai iedeva ļoti lielu rullīti uz sāniem. Rezultātā tika izveidots kustības algoritms, kas ļāva robotam jebkurā situācijā izvēlēties optimālu kustības trajektoriju.
Vladimirs Kuzņecovs