Support us

В OpenAI создали самообучаемую роботизированную руку

Оставить комментарий
В OpenAI создали самообучаемую роботизированную руку

Исследователи OpenAI представили систему, которая способна не только держать и вращать различные предметы, подобно человеку, но и автономно обучаться этим действиям, пишет TechCrunch.

Читать далее

Многие роботы отлично владеют хватательными движениями и различными действиями, и могут быть намного эффективнее человека на производстве. Но для каждого отдельного случая применения для них приходится писать отдельную программу. Роботы не умеют, как человек, автоматически адаптироваться к параметрам разных предметов, чтобы совершить с ними те или иные манипуляции. А чтобы научить их необходимой ловкости, нужно ввести в систему миллионы примеров того, как с этими предметами будет обращаться человек.

Разработчики OpenAI решили полностью отказаться от вводных данных о действиях человека. Они использовали виртуальный симулятор, в котором система под названием Dactyl самостоятельно раз за разом пыталась научиться двигать пальцами, чтобы объект поворачивался по заданной схеме. Система получала только смоделированные данные о том, как расположены её пальцы, и изображения кубика в её руке с трёх различных точек. Но в виртуальном пространстве, в отличие от реального, компьютер может обработать тысячи способов воздействия на предметы за несколько секунд, проанализировать результаты и использовать их в следующей попытке.

Иллюстрация: TechCrunch

Помимо габаритов и вариантов расположения предметов, система учитывала ряд изменяющихся параметров — например, силу давления на кончиках пальцев, цвет предмета и освещение в комнате. Благодаря этому она не ограничена в наборе предметов, с которыми может взаимодействовать, и окружающей обстановкой. Для исследования разработчики использовали 6 144 CPU и 8 GPU. Это позволяло за 50 часов собрать информацию, на сбор которой ушло бы около ста лет. Когда систему запустили в лаборатории, её движения очень точно имитировали человеческие: например, Dactyl двумя пальцами удерживала кубик в руке, а с помощью остальных переворачивала его в нужном направлении.

Система научилась не только естественно двигать пальцами, причём абсолютно самостоятельно — выполнять различные действия она сможет с предметами любой формы. Эта универсальность очень важна для роботов, взаимодействующих с окружающим миром, так как невозможно вручную запрограммировать все действия, которые можно совершать с каждым предметом или в каждой ситуации на практике.

Исследователи опубликовали работу и некоторые из инструментов, которые они использовали для создания и тестирования Dactyl.

Читайте также
TinyML, No-code и обучение с подкреплением: новейшие тренды в машинном обучении
TinyML, No-code и обучение с подкреплением: новейшие тренды в машинном обучении
TinyML, No-code и обучение с подкреплением: новейшие тренды в машинном обучении
Пока 20% топ-менеджеров утверждают, что машинное обучение является существенной частью их бизнеса, неудивительно, что стоимость мирового рынка машинного обучения, по некоторым оценкам, достигнет $117 млрд к концу 2027 года. Мы перевели материал Udacity о семи самых обсуждаемых тенденциях в машинном обучении в 2022 году.
Нейросеть «оживляет» классические пиксельные игры
Нейросеть «оживляет» классические пиксельные игры
Нейросеть «оживляет» классические пиксельные игры
Meta разработала ИИ для «чтения мыслей»
Meta разработала ИИ для «чтения мыслей»
Meta разработала ИИ для «чтения мыслей»
Во Франции искусственный интеллект помогает искать нелегальные бассейны и штрафовать нарушителей
Во Франции искусственный интеллект помогает искать нелегальные бассейны и штрафовать нарушителей
Во Франции искусственный интеллект помогает искать нелегальные бассейны и штрафовать нарушителей
3 комментария

Хотите сообщить важную новость? Пишите в Telegram-бот

Главные события и полезные ссылки в нашем Telegram-канале

Обсуждение
Комментируйте без ограничений

Релоцировались? Теперь вы можете комментировать без верификации аккаунта.

Комментариев пока нет.