Опубликовано: 25 февраля 2025 года / Обновление по сравнению с: 25 февраля 2025 г. - Автор: Конрад Вулфенштейн
От спотыкания до Somersault в робототехнике: AI-Upgrade определяет Humanoid Skills-Image: Xpert.Digital
Будущее гуманоидов: Атлас проходит через подкрепление обучения умнее
Стратегическое партнерство: Бостонская динамика оптимизирует атлас для реальных приложений
В объявлении «Бостонская динамика», пионер в области динамического робота и Институт робототехники и искусственного интеллекта (Институт Раи), исследовательский институт под руководством известного эксперта по роботизации и бывших руководителей Бостонской динамики, Марк Райберт, объявил Стратегическое партнерство. Объявленной целью этого сотрудничества, которое официально обнаружило свое начало в феврале 2025 года, является значительное улучшение навыков передового гуманоидного атласа робота с использованием обучения подкреплению (усиление обучения). Это сотрудничество обещает не только сделать атлас более гибким и гибким, но и квалифицировать его для более широкого спектра реальных приложений и, таким образом, проложить путь к новой эре гуманоидной робототехники.
Подходит для:
Основные цели будущего сотрудничества
Партнерство между Бостонской динамикой и Институтом RAI фокусируется на ряде амбициозных целей, направленных на то, чтобы преобразовать фундаментальные навыки атласа и развитие его из впечатляющего исследовательского демонстранта в различный и практический инструмент. В центре этих усилий находятся три основные области:
Сдвиг разрыва с симуляцией: путь от симуляции к реальности
Одной из самых больших проблем в робототехнике, особенно в области обучения подкрепления, является передача навыков, изученных при симуляциях в реальном мире. Симуляции предлагают идеальную среду для обучения роботов, потому что они позволяют неограниченное количество данных, полный контроль над окружающей средой и возможность моделирования опасных или затратных сценариев с риском без риска. Роботы могут выполнять бесчисленные итерации движений и задач в виртуальных мирах без риска повреждений или травм.
Реальность, с другой стороны, гораздо сложнее и непредсказуем. Физические роботы работают в мире, полном сенсорного шума, непредвиденных расстройств, неточностей в моделировании и постоянной проблеме изменчивости. То, что работает в идеально контролируемом моделировании, может потерпеть неудачу в хаотической реальности. «Сим-к-Реаль-Люке» точно описывает это расхождение.
Партнерство между Бостонской динамикой и Институтом RAI поставило перед собой цель сокращения этого пробела с использованием инновационных методов и алгоритмов. Исследователи работают над разработкой надежных и обобщаемых движений, которые надежно работают не только в моделировании, но и в реальном мире. Это включает в себя разработку передовых средств моделирования, которые более точно отображают физическую реальность, а также использование таких методов, как рандомизация домена и адаптивное моделирование, чтобы сделать модели, обученные моделированию более устойчивыми к несознательным реальным миру. Успех в этой области имеет решающее значение для использования полного потенциала обучения подкреплению для робототехники и использовать роботов в реальных, неструктурированных средах.
Улучшение манипуляции с локомотинг: искусство движения и взаимодействия
Способность определять местонахождение локомотимов, то есть одновременное транспортировку и манипулирование объектами, является ключевой способностью для роботов, которые должны действовать в сложных и динамических средах. Представьте себе гуманоидов -робота, который проходит через склад, чтобы выбрать пакеты, или робота, который устраняет мусор в зоне бедствия и в то же время ищет выживших. Во всех этих сценариях важно, чтобы робот не только двигался эффективно, но также мог взаимодействовать с его окружением одновременно.
Тем не менее, разработка передовых стратегий манипуляции с Локо является огромной проблемой. Это требует тесной координации между планированием движения, планированием железной дороги, планированием захвата и уровнем силы. Робот должен быть в состоянии адаптировать свои движения и манипуляции к постоянно меняющимся условиям его окружения в режиме реального времени.
В рамках партнерства исследователи будут разрабатывать новые и инновационные стратегии для повышения навыков манипулирования Atlas Loco на новый уровень. Это включает в себя исследование алгоритмов для одновременного планирования и планирования захвата, разработки надежных стратегий управления мощностью для манипуляции с различными объектами и интеграции сенсорной информации в цикл управления, чтобы обеспечить реакцию быстро и адаптивные манипуляции с локо. Улучшение манипуляций с локомотимом является важным шагом для того, чтобы сделать атлас действительно универсальным и полезным инструментом для различных приложений.
Исследование стратегий контакта с полным телом: синергия бедных и ног
Гуманоидные роботы, такие как Атлас, обладают уникальным потенциалом для движения и взаимодействия таким образом, который очень похож на человеческое движение. Эта способность интегрировать все тело, включая руки, ноги и фюзеляж, в сложные движения и задачи, открывает совершенно новые возможности для робототехники. Стратегии контакта с всеми тел выходят за рамки простых манипуляций с руками и используют синергию между руками и ногами, чтобы обеспечить высокоэффективные движения и задачи.
Подумайте о человеке, который несет тяжелый объект. Он не только использует свои руки, но и ноги, его фюзеляж и все его тело, чтобы стабилизировать вес, чтобы сохранить баланс и эффективно переносить объект. Точно так же гуманоидные роботы должны иметь возможность использовать все свое тело для выполнения сложных задач, которые требуют тесной координации между руками и ногами.
Исследователи сосредоточены на разработке передовых регуляторных алгоритмов и стратегий планирования для высоких движений и задач с высоким уровнем всего тела. Это включает в себя такие области, как динамичный бег, прыжки, лазание, подъем и перенос тяжелых предметов, манипулирование в тесных комнатах и взаимодействие со сложными средами. Исследование стратегий контакта с полным телом имеет решающее значение для использования полного потенциала гуманоидного форм-фактора и разработки роботов, которые могут двигаться и взаимодействовать в мире естественным и интуитивным способом.
Важность этого направленного сотрудничества
Партнерство между Бостонской динамикой и Институтом RAI имеет огромное значение для робототехники и исследовательского сообщества ИИ по нескольким причинам. Во -первых, она объединяет две ведущие организации в области робототехники, каждая из которых имеет уникальные сильные стороны и навыки. Бостонская Dynamics известна во всем мире своими впечатляющими и динамичными робот -платформами, такими как Atlas, Spot, Rading and Rate. Институт RAI под руководством Марка Райберта приносит многолетний опыт в разработке лучших технологий для интеллектуальных машин и использования обучения подкреплению в сложных проблемах робототехники.
Марк Райбер, основатель Института Раи, является иконой робототехники. Будучи бывшим генеральным директором Boston Dynamics, он значительно сформировал развитие компании и произвел одни из самых впечатляющих роботов в мире. Robotics Research оказало длительное влияние на его видение роботов, которое может двигаться таким же умным и универсальным в реальном мире, как и люди и животные. С основанием Института Раи Райбер продолжает свою миссию по расширению пределов возможных в робототехнике и искусственном интеллекте.
Сотрудничество основано на прочной основе более ранних совместных проектов, в том числе «комплект исследователей обучения подкрепления» для четырехлетнего робота. Этот комплект позволяет исследователям по всему миру разрабатывать и тестировать алгоритмы обучения подкреплению на Spot Platform. Успешная разработка и внедрение этого набора показали, что обе организации могут эффективно работать вместе и разрабатывать инновационные решения в области обучения рецидивам для робототехники.
Используя подкрепление обучения в атласе, одного из самых продвинутых и мощных гуманоидных роботов в мире, партнеры ожидают значительного прогресса в развитии гуманоидных навыков. Подкрепление Learning предлагает потенциал для обучения роботов, для управления сложными задачами, которые было бы трудно реализовать с помощью традиционных подходов к программированию. Это позволяет роботам учиться через взаимодействие с окружением, адаптироваться и постоянно улучшать свои навыки.
Бостонская динамика и Институт RAI предприняли для публикации регулярных обновлений и демонстраций своей работы с Atlas, чтобы добиться прогресса в гуманоидной робототехнике, доступным для широкой общественности. Эта прозрачность важна для укрепления доверия к робототехнике и исследованиям искусственного интеллекта и для содействия социальному признанию для этих технологий. Запланированные публикации не только информируют научное сообщество, но и вдохновляют общественность на увлекательные возможности и проблемы гуманоидной робототехники.
Совместные исследования и разработки подробно
Сотрудничество между Бостонской динамикой и Институтом RAI делится на несколько основных областей исследований и разработок, которые тесно связаны и дополняют друг друга:
Разработка общего переоценка обучения обучения для атласа
В центре партнерства находится разработка современного обучающего конвейера подкрепления, который специально адаптирован к потребностям и навыкам атласа. Этот трубопровод будет сформировать основу для обучения динамической и обобщаемой поведения для мобильных манипуляций. Он включает в себя все этапы процесса обучения подкрепления, от определения функций вознаграждения и выбора подходящих алгоритмов к разработке средств моделирования и сбора данных для проверки и передачи ученых поведения на реальном роботе.
Тренировочный трубопровод будет модульным для обеспечения гибкости и адаптивности к различным задачам и средам. Он будет интегрировать передовые методы обучения подкреплению, такие как обучение глубоким подкреплением, обучение на основе моделей и обучение в области мультиагентного подкрепления для максимизации эффективности и устойчивости обучения. Особое внимание будет уделено разработке вознаграждений, которые позволят Atlas изучать сложные задачи, не явно определяя каждый шаг. Функции вознаграждения предназначены для того, чтобы направить робота для разработки эффективных, естественных и человеческих движений и взаимодействий.
Перенос с рисунком в реальность: мост между виртуальным и реальным миром
Как уже упоминалось, передача с рисованием в реальность является одной из самых больших проблем в обучении подкреплению для робототехники. Команды будут интенсивно работать, чтобы преодолеть разрыв между симуляциями и реальным миром и гарантировать, что поведение, обученное моделированию, может быть успешно и надежно перенесено на физическое оборудование.
Это требует многослойного подхода, который включает в себя улучшение имитационной среды и разработку надежных методов переноса. Среда моделирования постоянно улучшается, чтобы более точно отобразить физическую реальность, включая моделирование трения, контакта, инерции и других физических эффектов. В то же время, такие методы, как рандомизация домена, идентификация системы и адаптивное управление, используются для того, чтобы модели были обучены на моделирование более устойчивыми к бессознательным реальным миру. Цель состоит в том, чтобы создать плавный переход от симуляции к реальности, чтобы атлас мог использовать навыки, изученные в виртуальном мире без значительной потери производительности в реальных условиях.
Сосредоточьтесь на ключевых навыках будущего гуманоидной робототехники
Партнерство фокусируется на развитии и улучшении ключевых навыков, которые необходимы для практического использования гуманоидных роботов в реальных условиях:
Улучшенные манипуляции с локомотинг: обрабатывать объекты во время движения
Атлас должен иметь возможность манипулировать объектами и устройствами, такими как двери, переключатели, рычаги, инструменты и другие объекты при перемещении одновременно. Эта способность имеет решающее значение для различных приложений, от промышленной автоматизации до логистики до поиска и спасения. Представьте себе Атлас, который проходит через грубую местность и в то же время устраняет мусор или обслуживает инструменты для ремонта поврежденной структуры.
Улучшенная манипуляция с локомотимом требует разработки алгоритмов, которые координируют планирование движения, планирование захвата и уровень силы в режиме реального времени. Атлас должен быть в состоянии адаптировать свои движения и манипуляции к форме, размеру, весу и природе объектов, которыми он манипулирует. Кроме того, он должен иметь возможность справляться с неопределенностью в восприятии и окружающей области и динамически адаптировать свои планы и движения. Развитие этих навыков сделает Atlas гораздо более универсальным и более полезным инструментом для широкого спектра приложений.
Стратегии контакта с полным телом: сложные движения и тяжелые нагрузки
Исследователи сосредотачиваются на разработке требовательных движений с полными -тела, которые выходят за рамки простой ходьбы и достижения. Это включает в себя динамичный бег, прыжки, лазание, подъем и перенос тяжелых предметов и манипуляции в тесных комнатах. Эти навыки требуют тесной координации между руками, ногами и фюзеляжем и используют синергию всего тела для выполнения сложных задач.
Динамический бег и прыжки позволяют атласу быстро и эффективно двигаться в неровной местности и на препятствиях. Восхождение расширяет свой диапазон и обеспечивает доступ к сложным областям. Подъем и ношение тяжелых предметов делает его ценным помощником в области логистики и строительства. Манипуляция в тесных комнатах позволяет использовать в средах, к которой трудно получить доступ или опасно для людей. Разработка стратегий контакта с полным телом является важным шагом для использования полного потенциала гуманоидного форм-фактора и сделать атлас действительно гибким и мощным роботом.
Практическая реализация и непрерывное управление прогрессом
Партнерство между Бостонской динамикой и Институтом RAI придает большое значение прозрачному и ориентированному на практику внедрения вашей исследования и разработки:
Регулярные отчеты о прогрессе и демонстрации
Бостонская динамика и Институт RAI предприняли для публикации периодических отчетов о прогрессе, которые документируют последние события и успех сотрудничества. Эти отчеты будут включать не только письменные описания прогресса, но и яркие демонстрации с Atlas, которые показывают недавно приобретенные навыки в действии. Эти демонстрации публикуются в виде видео и презентаций и делают доступным для научного сообщества и широкой общественности.
Регулярные обновления и демонстрации служат нескольким целям. Они позволяют научному сообществу стремиться к прогрессу в гуманоидной робототехнике и вдохновлять друг друга. Они способствуют прозрачности и доверия к исследованиям робототехники и помогают увеличить социальное признание для этих технологий. Кроме того, они предлагают Бостонскую динамику и Институт RAI возможность получить обратную связь от сообщества и соответствующим образом адаптировать направление исследования.
Расположение сотрудничества: Массачусетс, США
Вся исследовательская и разработанная работа в рамках партнерства происходит в Массачусетсе, где обе организации имеют свою штаб -квартиру. Эта пространственная близость способствует тесному сотрудничеству и прямому обмену между исследовательскими группами. Команды из Бостонской динамики и Института Раи работают в общих лабораториях и используют ресурсы и инфраструктуры обеих организаций. Эта тесная интеграция команд и ресурсов является важным фактором для успеха партнерства и позволяет использовать синергию и эффективно продвигать исследовательские и разработки.
Ожидаемые новые навыки атласа: взгляд на будущее гуманоидной робототехники
В связи с партнерством между Бостонской динамикой и Институтом RAI, робот Atlas предназначен для получения ряда новаторских новых навыков, которые сделают его еще более универсальным и полезным инструментом:
Улучшенная подвижность и манипуляция: ловкость и точность в движении
Динамическое локомоция
Атлас должен иметь возможность двигаться еще более стабильным и жидко на неровной местности, в сложных условиях и даже в динамических сценариях. Это включает в себя бег, прыжки, лазание и способность адаптироваться к различным поверхностям и условиям в режиме реального времени. Динамическое локомоцию стало возможным благодаря передовым регуляторным алгоритмам и слиянию датчиков, которые позволяют Атласу сохранять баланс, преодолевать препятствия и адаптировать свои движения к соответствующей ситуации.
Манипуляция по всему телу
Робот будет реализовать расширенные стратегии для полного контакта, чтобы иметь возможность использовать, переносить, перемещать и манипулировать тяжелыми объектами точно и эффективно. Это требует высокоразвитой координации рук, ног и фюзеляжа, чтобы стабилизировать вес, сохранить баланс и безопасно обрабатывать объекты. Манипуляция по всему телу позволит Атласу выполнять задачи, которые ранее были зарезервированы только для людей, таких как перемещение тяжелых нагрузок на складах, на строительных площадках или в зонах стихийных бедствий.
Расширенное экологическое взаимодействие: интеллектуальное взаимодействие с миром
Манипуляция объекта
Атлас должен научиться манипулировать различными объектами и устройствами в своей области, включая двери, переключатели, рычаги, клапаны, инструменты, контейнеры и многое другое. Эта способность позволит ему действовать в условиях человека и выполнять задачи, которые требуют взаимодействия с существующей инфраструктурой. Манипуляция объекта требует расширенных навыков восприятия, чтобы распознать, определять местонахождение и выявление объектов, а также сложные стратегии захвата и манипуляции, чтобы безопасно и эффективно справляться с ними.
Адаптивность к материалам и конструкциям
Робот сможет автоматически и разумно адаптировать свою силу, скорость и движения к различным материалам и структурам, не повреждая и не разрушая их. Это имеет решающее значение для безопасного и надежного взаимодействия с реальным миром, в котором роботы встретятся с различными поверхностями, материалами и объектами. Адаптивность достигается благодаря использованию датчиков прочности и крутящего момента, тактильных датчиков и передовых регуляторных алгоритмов, которые позволяют Atlas контролировать и адаптировать его взаимодействия в режиме реального времени.
Учебные способности и обобщение: основа будущих инноваций
Более эффективное обучение через обучение подкреплению:
Использование передовых методов обучения чистки предназначено для того, чтобы атлас мог изучать новые навыки намного быстрее и эффективнее, чем раньше. Это включает в себя разработку алгоритмов, которые ускоряют обучение, данные
Подходит для:
Ваш глобальный партнер по маркетингу и развитию бизнеса
☑️ Наш деловой язык — английский или немецкий.
☑️ НОВИНКА: Переписка на вашем национальном языке!
Конрад Вольфенштейн
Я был бы рад служить вам и моей команде в качестве личного консультанта.
Вы можете связаться со мной, заполнив контактную форму или просто позвоните мне по телефону +49 89 89 674 804 (Мюнхен) . Мой адрес электронной почты: wolfenstein ∂ xpert.digital
Я с нетерпением жду нашего совместного проекта.