Созданы новые методы многопрофильного обучения адаптивному движению для роботов

Созданы новые методы многопрофильного обучения адаптивному движению для роботов Источник фото: pixabay.com

Достижение идеального и универсального передвижения робота требует двигательных навыков, которые могут адаптироваться к ранее невидимым ситуациям. Ученые предложили многопрофильную архитектуру обучения (MELA), которая учится генерировать адаптивные навыки из группы репрезентативных экспертных навыков.

Во время обучения MELA сначала инициализируется отдельным набором предварительно обученных экспертов, каждый в отдельной глубокой нейронной сети (DNN).

Затем, изучив комбинацию этих DNN с помощью гейтинговой нейронной сети (GNN), MELA может приобрести более специализированных экспертов и навыки перехода в различных режимах передвижения.

Во время выполнения MELA постоянно смешивает несколько DNN и динамически синтезирует новую DNN для создания адаптивного поведения в ответ на меняющиеся ситуации.

Этот подход использует преимущества подготовленных экспертных навыков и быстрый онлайн-синтез адаптивных политик для выработки отзывчивых моторных навыков во время меняющихся задач.

Используя унифицированную структуру MELA, ученые продемонстрировали успешное передвижение с несколькими навыками на реальном четвероногом роботе, который автономно симулировал движения рыси, рулевое управление и вставал после падения.

Источник: arxiv.org