MIT 机器狗再进化:碎石冰面上跑也不打滑,这次真的稳如狗了

那群曾经集体后空翻、踢足球的 MIT 机器狗迷你猎豹(Mini Cheetah),瘸了?但你别说,走得依旧挺欢快:

这可不是 MIT 科学家们在侵犯“机器狗权”,而是因为狗子们在新技术的加持下又进化了。不仅坏了一条腿也能走路,之前寸步难行的碎石路更是不在话下:

还能在结冰路面转圈撒欢儿:

不瘸的时候,速度最快能到 3.9m / s,尥蹶子跑起来时,开发员只能抱着电脑在后面追得跌跌撞撞:

而上述所有的技能,最原版(也就是开源那版)的 MIT 机器狗仅用了 3 小时就完全掌握。如此强大的学习能力到底从何而来?

3 小时积累 100 多天奔跑经验

首先,机器狗们的各种行为都依赖于身体里的一个专门的控制器。

工程师们会通过分析运动的物理规律,制定有效的抽象概念,再去设计并实现专门的控制器层次结构,使机器狗能够在运行时保持平衡。

但要提前人为分析、建立所有可能的地形分析,并使机器狗快速识别对环境的变化作出反应,并不简单。例如,草地上的一小块结冰面,碎石堆上突然出现的大块凸起,都有可能使机器狗再起不能:

(所以说… 不要停下来啊!)

人为设计的控制器,出现问题自然也得人为分析原因,再手动调整,一来二去的时间成本就大大增加。怎么办呢?

MIT 的科学家们表示:

让机器狗自己学!

研究团队开发了一种模拟环境,其中包含了多个地形,再将狗子放在其中进行训练。在训练期间,他们加入了神经网络,让机器狗从不同地形的跑步和失败经验中总结规律,进而自己找出适应新地形的最好方法。

仅仅 3 小时,模拟世界中的迷你猎豹就积累了 100 天的多样化地形奔跑经验。并且,团队也为机器狗部署了一种基于端到端的传感运动策略的控制器。

这种控制器会将关节编码器和 IMU(惯性测量单元)数据直接转换为关节指令,没有了额外的状态估计或控制子系统,机器狗在进行敏捷或极限的动作时,便会更加得心应手。

这时的迷你猎豹,就变成了一只经验丰富的狗子。刚刚还被绊倒的路沿,现在已经能自信地迈过去了:

高速奔跑中也不会被地上的线绊倒:

室内转圈的速度能达到 5.7rad / s(每秒 320°,近一圈):

研究来自 MIT CSAIL

这次的研究来自于 MIT 的计算机科学与人工智能研究院(MIT CSAIL),论文和代码很快会公开。

一作 Gabriel Margolis 为 MIT 的一名博士生,主要研究领域是具身智能(Embodied Intelligence),即开发能与真实世界进行多模态交互的具有身体的人工智能。

共同一作 Ge Yang 本科毕业于耶鲁大学,获得了物理学和数学学士学位,后来在芝加哥大学获得物理学博士学位。

现为美国国家科学基金会(NSF)的 AI 与基础交互研究所(IAIFI)的一名博士后。

视频:

https://www.youtube.com/watch?v=-BqNl3AtPVw

参考链接:

[1]https://sites.google.com/view/model-free-speed/

[2]https://news.mit.edu/2022/3-questions-how-mit-mini-cheetah-learns-run-fast-0317

[3]https://venturebeat.com/2022/03/17/mit-researchers-use-simulation-to-train-a-robot-to-run-at-high-speeds/

广告声明:文内含有的对外跳转链接(包括不限于超链接、二维码、口令等形式),用于传递更多信息,节省甄选时间,结果仅供参考,IT之家所有文章均包含本声明。

文章价值:
人打分
有价值还可以无价值
置顶评论
    热门评论
      文章发布时间太久,仅显示热门评论
      全部评论
      请登录后查看评论
        取消发送
        软媒旗下人气应用

        如点击保存海报无效,请长按图片进行保存分享