Бостонська динаміка та Інститут робототехніки та AI (Інститут Рай)-від спотикання до Сальдоса: AI-оновлення AIS-оновлення, навички гуманоїдів переосмислюються

Опубліковано: 25 лютого 2025 р. / Оновлення з: 25 лютого 2025 р. - Автор: Конрад Вольфенштейн

Від спотикання до сальто в робототехніці: AI-оновлення визначає гуманоїдні навички: xpert.digital

Майбутнє гуманоїдів: Атлас здійснюється через підкріплення навчання розумніше

Стратегічне партнерство: Бостонська динаміка оптимізує атлас для реальних додатків

У оголошенні, Бостонська динаміка, піонер у галузі динамічного роботів, Інститут робототехніки та АІ (Інститут Рай), науково -дослідна установа під керівництвом відомого робототехнічного експерта та колишніх генеральних директорів Boston Dynamics, Марк Райберта, оголосила стратегічне партнерство. Декларована мета цієї співпраці, яка офіційно знайшла своє старт у лютому 2025 року, - це суттєве вдосконалення навичок передового атласу -робота гуманоїдного робота, використовуючи підсилення (посилюючи навчання). Ця співпраця обіцяє не лише зробити атлас більш гнучким і спритним, але й кваліфікувати його за більш широким спектром реальних застосувань і, таким чином, прокласти шлях до нової епохи гуманоїдної робототехніки.

Підходить для цього:

Гумани та динамічні роботи, такі як робототехніка - Порівняння: Атлас бостонської динаміки та Walker X від UBTech

Основні цілі майбутньої співпраці, орієнтованої

Партнерство між Бостонською динамікою та Інститутом РАІ зосереджується на ряді амбітних цілей, які мають на меті перетворити основні навички Атласу та розробити його з вражаючого дослідницького демонстратора у різноманітний та практичний інструмент. В центрі цих зусиль є три основні області:

Мости проміжку SIM-до реального: шлях від моделювання до реальності

Однією з найбільших проблем у робототехніці, особливо в галузі навчання підкріплення, є передача навичок, засвоєних у моделюванні в реальний світ. Моделювання пропонують ідеальне середовище для навчання роботів, оскільки вони дають можливість необмеженої кількості даних, повний контроль над навколишнім середовищем та можливості моделювання небезпечних або вартісних сценаріїв із безристом. Роботи можуть здійснювати незліченну кількість рухів рухів та завдань у віртуальних світах без ризику пошкодження чи травм.

Реальність, з іншого боку, набагато складніша і непередбачувана. Фізичні роботи працюють у світі, сповненому сенсорного шуму, непередбачених розладів, неточності в моделюванні та постійній проблемі мінливості. Те, що працює в ідеально контрольованому моделюванні, може зазнати невдачі в хаотичній реальності. "Сім-реальна-Люка" описує саме цю невідповідність.

Партнерство між Бостонською динамікою та Інститутом РАІ поставило собі за мету закрити цю прогалину за допомогою інноваційних методів та алгоритмів. Дослідники працюють над розробкою надійних та узагальнених рухів, які надійно працюють не тільки в моделюванні, але і в реальному світі. Сюди входить розробка розширених імітаційних середовищ, що відображають фізичну реальність точніше, а також використання таких методик, як рандомізація домену та адаптивне моделювання, щоб зробити моделі, які навчаються в моделюванні більш стійкими до непереборних реальних світу. Успіх у цій галузі має вирішальне значення для використання весь потенціал підкріплення навчання для робототехніки та використання роботів у реальних, неструктурованих умовах.

Вдосконалення маніпуляції з ЛОКО: Мистецтво руху та взаємодії

Здатність знайти маніпуляції з локопо, тобто одночасне транспортування та маніпулювання об'єктами, є ключовою здатністю для роботів, які повинні діяти у складних та динамічних умовах. Уявіть собі гуманоїдний робот, який рухається по складу, щоб вибрати пакети, або робот, який усуває сміття в зоні катастрофи і в той же час шукає тих, хто вижив. У всіх цих сценаріях важливо, щоб робот не тільки рухався ефективно, але й міг одночасно взаємодіяти з оточенням.

Однак розробка передових стратегій маніпуляції Локо є величезною проблемою. Це вимагає тісної координації між плануванням руху, плануванням залізниць, плануванням захоплення та рівнем сили. Робот повинен бути в змозі адаптувати свої рухи та маніпуляції до постійно мінливих умов оточення в режимі реального часу.

У рамках партнерства дослідники розроблять нові та інноваційні стратегії для підвищення навичок маніпуляції з атласу на новий рівень. Сюди входять дослідження досліджень для одночасного планування та захоплення планування, розробка надійних стратегій контролю електроенергії для маніпулювання різними об'єктами та інтеграція сенсорної інформації в цикл управління, щоб забезпечити швидку реакцію та адаптивну маніпуляцію з локоз. Поліпшення маніпуляції з локозом є вирішальним кроком для того, щоб зробити атлас дійсно універсальним та корисним інструментом для різних застосувань.

Дослідження стратегій контакту з повним тілом: Синергія бідних та ніг

Гумдоїдні роботи, як Атлас, мають унікальний потенціал для переміщення та взаємодії таким чином, що дуже схоже на рух людини. Ця здатність інтегрувати все тіло, включаючи руки, ноги та фюзеляж, у складні рухи та завдання, відкриває абсолютно нові можливості для робототехніки. Стратегії контактів з усім тілом виходять за рамки простих маніпуляцій з руками та використовують синергію між руками та ніг, щоб забезпечити високоефективні рухи та завдання.

Подумайте про людину, яка несе важкий предмет. Він не тільки використовує свої руки, але й ноги, фюзеляж і все тіло, щоб стабілізувати вагу, зберегти рівновагу та ефективно транспортувати об'єкт. Аналогічно, гуманоїдні роботи повинні мати можливість використовувати все своє тіло для управління складними завданнями, які потребують тісної координації між руками та ніг.

Дослідники зосереджуються на розробці розширених регуляторних алгоритмів та стратегій планування для високих виконавців повних рухів та завдань. Сюди входять такі області, як динамічний біг, стрибки, підйом, підйом та перенос важких предметів, маніпуляції в тісних приміщеннях та взаємодія зі складними середовищами. Дослідження стратегій контакту з повним тілом має вирішальне значення для того, щоб використовувати весь потенціал фактора гуманоїдної форми та розробити роботів, які можуть рухатися та взаємодіяти у світі природним та інтуїтивно зрозумілим способом.

Важливість цієї спрямованої співпраці

Партнерство між Бостонською динамікою та Інститутом РАІ має величезне значення для робототехніки та дослідницької спільноти AI з кількох причин. По -перше, вона поєднує дві провідні організації в галузі робототехніки, кожна з унікальними силами та навичками. Бостонська динаміка відома у всьому світі своїми вражаючими та динамічними роботами, такими як атлас, пляма, ручка та розтягування. Інститут RAI під керівництвом Марка Райберта приносить десятиліття досвіду розвитку провідних технологій для інтелектуальних машин та використання підкріплення навчання для складних проблем з робототехнікою.

Марк Райбер, засновник Інституту Рай, є іконою робототехніки. Як колишній генеральний директор Boston Dynamics, він значно сформував розвиток компанії та створив одних з найбільш вражаючих роботів у світі. Robotics Research мало тривалий вплив на його бачення роботів, яке може рухатися так само розумно і універсально в реальному світі, як люди та тварини. З заснуванням Інституту Рай, Райбер продовжує свою місію розширити межі можливого в робототехніці та ШІ.

Співпраця базується на надійній основі попередніх спільних проектів, включаючи «комплект досліджень підсилення» для чотирьох -логінових роботів. Цей комплект дозволяє дослідникам у всьому світі розробляти та тестувати алгоритми навчання підкріплення на пляжній платформі. Успішна розробка та впровадження цього набору показала, що обидві організації здатні ефективно працювати разом та розробляти інноваційні рішення у галузі повторного навчання для робототехніки.

Використовуючи підкріплення навчання Атласу, одного з найдосконаліших та потужних гуманоїдних роботів у світі, партнери очікують значного прогресу в розвитку гуманоїдних навичок. Навчання підкріплення пропонує потенціал для навчання роботів, керувати складними завданнями, які важко було б виконати за допомогою традиційних підходів до програмування. Це дозволяє роботам навчитися взаємодії зі своїм оточенням, адаптуватися та постійно вдосконалювати свої навички.

Бостонська динаміка та Інститут РАІ взяли участь у публікації регулярних оновлень та демонстрацій своєї роботи з Атласом, щоб досягти прогресу в гуманоїдній робототехніці, доступній для широкої громадськості. Ця прозорість важлива для зміцнення довіри до робототехніки та досліджень ШІ та сприяння соціальному прийняттю цих технологій. Заплановані публікації не тільки інформують наукову спільноту, але й надихнуть громадськість на захоплюючі можливості та виклики гуманоїдної робототехніки.

Детально спільні дослідження та розробки

Співпраця між Бостонською динамікою та Інститутом РАІ розділена на кілька основних напрямків досліджень та розробок, які тісно пов'язані та доповнюють один одного:

Розробка загального переробленого навчального навчання для атласу

У центрі партнерства знаходиться розвиток сучасного тренувального тренувального тренінгу, який спеціально підібраний до потреб та навичок Атласу. Цей трубопровід буде основою для навчання динамічної та узагальнюючої поведінки для мобільних маніпуляцій. Він включає всі етапи процесу навчання підкріплення, від визначення функцій винагороди та вибору відповідних алгоритмів до розробки симуляційних середовищ та отримання даних до перевірки та передачі вивченої поведінки на реальному робота.

Навчальний трубопровід буде модульним для забезпечення гнучкості та пристосованості до різних завдань та середовищ. Він інтегруватиме передові методи навчання підкріплення, такі як глибоке навчання підкріплення, модельне навчання на основі моделі та багатоагентне навчання підкріплення для максимальної ефективності та надійності навчання. Особлива увага приділятиметься розробці функцій винагороди, які дозволяють атласу вивчати складні завдання, не чітко уточнюючи кожен крок. Функції винагороди призначені для того, щоб керувати роботом для розвитку ефективних, природних та людських рухів та взаємодій.

Сім-реальна передача: міст між віртуальним та реальним світом

Як уже згадувалося, передача SIM-до реальної є однією з найбільших проблем у навчанні для посилення для робототехніки. Команди інтенсивно працюватимуть, щоб подолати розрив між симуляціями та реальним світом та забезпечити, щоб поведінка, навченої в моделюванні, може бути успішно та надійно перенесена на фізичне обладнання.

Для цього потрібен багатошаровий підхід, який включає вдосконалення середовищ імітації та розробку надійних методів передачі. Середовища моделювання постійно вдосконалюється для того, щоб точніше скласти фізичну реальність, включаючи моделювання тертя, контакту, інерції та інших фізичних ефектів. У той же час такі методи, як рандомізація домену, ідентифікація системи та адаптивне управління, використовуються для того, щоб зробити моделі, навчені в моделюванні більш стійкими до непереборних реальних світу. Мета полягає в тому, щоб створити безшовний перехід від моделювання до реальності, щоб Атлас міг використовувати навички, засвоєні у віртуальному світі, без значної втрати продуктивності в реальних умовах.

Зосередьтеся на ключових навичках для майбутнього гуманоїдної робототехніки

Партнерство зосереджено на розвитку та вдосконаленні ключових навичок, які є важливими для практичного використання гуманоїдних роботів у реальних умовах:

Покращена маніпуляція з локопо: обробляйте предмети під час руху

Атлас повинен мати можливість маніпулювати об'єктами та пристроями, такими як двері, перемикачі, важелі, інструменти та інші об'єкти під час переміщення одночасно. Ця здатність має вирішальне значення для різноманітних додатків - від промислової автоматизації до логістики до пошукових та рятувальних операцій. Уявіть, що Атлас, який рухається по грубій місцевості і в той же час усунув сміття або подає інструменти для ремонту пошкодженої структури.

Вдосконалена маніпуляція LOCO вимагає розробки алгоритмів, які координують планування руху, стискання планування та рівень сили в режимі реального часу. Атлас повинен мати можливість адаптувати свої рухи та маніпуляції до форми, розміру, ваги та природи предметів, якими він маніпулює. Крім того, він повинен мати можливість боротися з невизначеністю у сприйнятті та околицях та динамічно адаптувати свої плани та рухи. Розвиток цих навичок зробить атлас набагато більш універсальним та кориснішим інструментом для широкого спектру додатків.

Стратегії контакту з повним тілом: складні рухи та великі навантаження

Дослідники зосереджуються на розвитку вимогливих рухів повних тіл, які виходять за рамки простої ходьби та досягнення. Сюди входить динамічний біг, стрибки, підйом, підйом та носіння важких предметів та маніпуляцій у тісних приміщеннях. Ці навички потребують тісної координації між руками, ногами та фюзеляжем та використовувати синергію всього тіла для управління складними завданнями.

Динамічний біг і стрибки дозволяють атласу швидко та ефективно рухатися в нерівній місцевості та над перешкодами. Підйом розширює свій асортимент і дозволяє отримати доступ до складних районів. Підняття та носіння важких предметів робить його цінним помічником у логістиці та будівництві. Маніпуляція в тісних приміщеннях дозволяє використовувати в середовищах, які важко отримати доступ або небезпечно для людини. Розвиток стратегій контакту з повним тілом є вирішальним кроком для використання повного потенціалу фактора гуманоїдної форми та зробить атлас справді спритним та потужним роботом.

Практична реалізація та постійний контроль прогресу

Партнерство між Бостонською динамікою та Інститутом РАІ надає великого значення прозорому та орієнтованому на практику впровадження вашої роботи з досліджень та розробок:

Регулярні звіти та демонстрації

Бостонська динаміка та Інститут РАІ взяли участь у публіці періодично прогресувати звіти, які документують останні розробки та успіх співпраці. Ці звіти включатимуть не лише письмові описи прогресу, але й яскраві демонстрації з Атласом, які показують нещодавно набуті навички в дії. Ці демонстрації публікуються у вигляді відео та презентацій та зроблені доступними для наукової спільноти та широкої громадськості.

Регулярні оновлення та демонстрації виконують кілька цілей. Вони дозволяють науковій спільноті досягти прогресу в гуманоїдній робототехніці та надихати один одного. Вони сприяють прозорості та довірі до досліджень робототехніки та допомагають збільшити соціальне прийняття цих технологій. Крім того, вони пропонують Бостонську динаміку та Інституту Райса можливість отримати відгуки від спільноти та відповідно адаптувати їх напрямок досліджень.

Розташування співпраці: Массачусетс, США

Вся робота з досліджень та розробок у рамках партнерства відбувається в штаті Массачусетс, де обидві організації мають штаб. Ця просторова близькість сприяє тісній співпраці та прямому обміні між дослідницькими групами. Команди з Бостонської динаміки та Інституту Рай працюють у загальних лабораторіях та використовують ресурси та інфраструктуру обох організацій. Ця тісна інтеграція команд та ресурсів є вирішальним фактором для успіху партнерства та дозволяє використовувати синергію та ефективно сприяти науково -дослідній роботі та розробці.

Очікувані нові навички атласу: погляд на майбутнє гуманоїдної робототехніки

Завдяки партнерству між Бостонською динамікою та Інститутом Рай, робот Atlas має на меті отримати ряд новаторських нових навичок, що зробить його ще більш універсальним та корисним інструментом:

Поліпшена мобільність та маніпуляція: спритність та точність у русі

Динамічна локомоція

Атлас повинен мати можливість рухатись ще більш стабільною та рідкою на нерівній місцевості, у складних умовах і навіть у динамічних сценаріях. Сюди входить біг, стрибки, підйом та здатність адаптуватися до різних поверхонь та умов у режимі реального часу. Динамічна локомоція створюється можливим завдяки вдосконаленим регуляторним алгоритмам та синтезу даних датчиків, що дозволяє атласу зберігати рівновагу, подолати перешкоди та адаптувати свої рухи до відповідної ситуації.

Маніпуляція з повним тілом

Робот буде реалізувати розширені стратегії для контакту з повним тілом, щоб мати можливість точно та ефективно використовувати, переміщувати та маніпулювати важкими об'єктами. Для цього потрібна високорозвинена координація рук, ніг та фюзеляжу для стабілізації ваги, для збереження рівноваги та безпечного поводження з предметами. Маніпуляція з повним тілом дозволить Атласу приймати завдання, які раніше були зарезервовані лише для людей, таких як переміщення важких навантажень на складах, на будівельних майданчиках або в зонах стихійних лих.

Розширена екологічна взаємодія: розумна взаємодія зі світом

Маніпуляція об'єктів

Атлас повинен навчитися маніпулювати різноманітними об'єктами та пристроями у своїй області, включаючи двері, вимикачі, важелі, клапани, інструменти, контейнери та багато іншого. Ця здатність дозволить йому діяти в людських умовах та виконувати завдання, які потребують взаємодії з існуючою інфраструктурою. Маніпуляція об'єктів вимагає вдосконалених навичок сприйняття розпізнавати, знайти та визначити предмети, а також складні стратегії захоплення та маніпуляції, щоб безпечно та ефективно обробляти їх.

Адаптованість до матеріалів та структур

Робот зможе автоматично та інтелектуально адаптувати свою силу, швидкість та рухи до різних матеріалів та структур, не пошкоджуючи та руйнуючи їх. Це має вирішальне значення для безпечної та надійної взаємодії з реальним світом, в якій роботи зіткнуться з різноманітними поверхнями, матеріалами та предметами. Пристосованість досягається завдяки використанню датчиків сили та крутного моменту, тактильних датчиків та вдосконалених регуляторних алгоритмів, які дозволяють атласу контролювати та адаптувати його взаємодію в режимі реального часу.

Здатність та узагальнення навчання: основа для майбутніх інновацій

Більш ефективне навчання за допомогою підкріплення:

Використання передових методик навчання гуркоту призначене для того, щоб Атлас засвоював нові навички набагато швидше та ефективніше, ніж раніше. Це включає розробку алгоритмів, які прискорюють навчання, дані