判斷障礙物並高效運動:AI 方法創造出具有運動才能的機器狗
2023 年 10 月 5 日
當地震、火災和洪水來襲時,第一個響應者可能會是一群機器救援狗,它們會快速前去幫助被困的人們。這些由電池驅動的四足機器狗將使用電腦視覺來評估障礙物的大小,並利用類似狗的敏捷技能來克服它們。為了實現這一崇高目標,史丹福大學和上海騏智研究所的人工智慧研究人員表示他們已開發了一種新的基於視覺的算法,幫助機器狗攀爬高物體,跳過間隙,爬入門檻下並穿過縫隙,然後迅速應對下一個挑戰。
創造出具有運動才能的機器狗
這項研究的重要突破在於他們的機器狗是自主的,也就是說,它能夠評估物理挑戰,並根據眼前的障礙想像並執行各種敏捷技能。“我們正在結合感知和控制,利用機器上的深度攝像頭拍攝的影像以及機器學習處理所有這些輸入,並移動腿部以克服、越過和繞過障礙物,”該研究的首席作者之一,史丹福大學的電腦科學助理教授切爾西·芬恩說。
既有的學習方法往往基於需要針對特定的物理障礙微調的複雜獎勵系統。由於這些方法不適用於新的或陌生環境,它們無法很好地擴充套件。另外一種相關方法是使用現實世界的資料來模仿其他動物的敏捷技能的方法。這些機器狗缺乏廣泛的技能集,也沒有新機器狗的視覺能力。總的來說現有方法在計算上也非常緩慢。作者在研究中指出,這是第一個使用簡單的獎勵系統,在沒有現實世界參考資料的情況下實現這些目標的開源應用。
簡化最佳化的過程
為了成功,他們首先使用計算機模型合成和完善了該算法,然後將其轉移到了兩個真實的機器狗上。然後,在一個名為強化學習的過程中,機器人嘗試以任何它們認為適合的方式向前移動,並根據它們的表現進行獎勵。這就是算法最終學會如何應對新挑戰的最佳方法。實際上大多數現有的強化學習獎勵系統涉及太多變數,以至於效果不佳,計算效能低下。這正是機器狗公園運動的簡化獎勵過程之所以出眾的地方,但同時也意外地簡單。“這實際上非常簡單,”芬恩說。“我們主要基於機器人向前移動的距離以及它所應用的努力程度。最終機器人學會了更複雜的運動技能,使它能夠領先。”
實際測試
團隊隨後利用真實的機器狗進行了大量實驗,展示了它們在特殊困難環境中的新敏捷方法,僅使用這些機器狗的現成計算機、視覺感測器和電源系統。從數位上來看,這些新改進的機器狗能夠攀爬的障礙高度是其自身高度的 1.5 倍以上,跳過的間隙長度是其身長的 1.5 倍以上,爬入的障礙高度是其高度的 3/4,並能夠傾斜自身以穿過比自身寬度還窄的狹縫。
展望未來
下一步,團隊希望借助三維視覺和圖形方面的進步,將真實世界資料引入其模擬環境,從而為算法帶來一個新的真實世界自治的水平。這項研究為機器狗和其他類似機器人的發展開闢了新的道路,有望在未來的災難應對中扮演重要角色。然而我們必須慎重處理這些技術的應用,並確保它們不會損害人類的利益。這包括確保機器狗在行動中不會對人類造成危害,並防止濫用這些技術來進行監控或其他有悖於個人隱私和安全的活動。
然而這項研究的成功為機器狗領域的發展帶來了希望,並顯示出運用人工智慧和機器學習技術的巨大潛力。這種技術的應用不僅僅局限於災難應對,還可以應用於其他領域,如搜尋和救援、監控、農業和工業。與此同時我們也必須繼續關注人工智慧和機器學習的倫理和社會影響,以確保它們的使用符合我們的價值觀和利益。
延伸閱讀
- 資料科技公司 Daloopa 開發 AI 以自動化財務分析工作
- 今年的 Met Gala 主題是 AI 極深假裝
- Y Combinator 幫助醫療記錄 AI 新創 Hona 募得 300 萬美元 的故事
- Pinterest AI 打造的拼貼圖比單張針腳更吸睛
- Atlassian 推出新的 AI 同事 Rovo
- 三星的營運利潤飆升 930%,AI 動能帶動記憶晶片需求
- GitHub 推出 Copilot Workspace:AI 驅動的軟體工程空間
- 「馬斯克的 xAI 示範 AI 新創公司的龐大市場潛力」
- 照片分享社群 EyeEm 將許可使用者的照片以訓練 AI,如果使用者不刪除照片
- 英偉達收購 AI 工作負載管理新創公司 Run:ai