日前,蘇黎世聯邦理工學院機器人係統實驗室團隊在《科學·機器人學》上發表最新論文,給出了新證據表明,運用數據驅動法設計的機器人軟件,有很大希望解決(jue) 機器人和人工智能研究長期麵臨(lin) 的巨大難題——仿真與(yu) 現實之間的差距。
團隊演示的方法是將經典控製論與(yu) 機器學習(xi) 技術相結合。他們(men) 首先設計了一個(ge) 四足機器人的傳(chuan) 統數學模型,並給機器人起名“ANYmal”。接下來,再從(cong) 引導機器人四肢運動的致動器中收集數據,數據輸入多個(ge) 人工智能神經網絡係統,從(cong) 而建立了第二個(ge) 模型。這個(ge) 機器學習(xi) 模型,就可以自動預測“AMYmal”機器人的肢體(ti) 運動。經過訓練的神經網絡,隻要插入第一個(ge) 模型中,就可以在電腦上仿真運行這個(ge) 混合模型。
團隊發現這種利用數據驅動法設計的軟件,大大提高了機器人的運動技能——它速度更快,動作也更精準,而且先將運動策略在仿真器中優(you) 化,再轉入機器人體(ti) 內(nei) 在物理世界進行測試,最後機器人的表現,竟然和仿真表現一樣好。
這一成就,被認為(wei) 是機器人及人工智能的一項重要突破,其預示著,曾經不可逾越的仿真與(yu) 現實之間的差距正在被消弭。同時這也預示著新一輪人工智能的重大變革,而混合模型,正是這場變革的第一步。之後,所有的分析模型都將麵臨(lin) “下崗”。
通過機器人在現實環境中收集到的數據,訓練機器學習(xi) 模型——這一方法也被稱為(wei) “端到端訓練”。其正緩慢但堅定地照進現實,在諸如關(guan) 節式機械臂、多指機械手、無人機,甚至是無人駕駛汽車中得到應用。或許不久的將來,機器人工程師將不必再“告訴”機器人如何走路、如何抓取,而是讓機器人利用自身收集得來的數據,進行自我學習(xi) 。
現如今,機器人已經在學習(xi) 的路上更進一步,這不僅(jin) 是一次具有實際意義(yi) 的突破,讓某些工程性勞動得以解放,還標誌著科學家們(men) 已開啟了“機器人自主時代”。
(據《科技日報》)