Команда ШІ-дослідників та робототехніки з Університету Карнегі-Меллона, США, разом з колегами компанії NVIDIA розробила нову модель, щоб навчити роботів природним рухам. Раніше це було вкрай важко зробити, але вчені знайшли новий підхід. Результати своєї роботи показали у відео.
Команда ШІ-дослідників та робототехніки з Університету Карнегі-Меллона, США, разом з колегами компанії NVIDIA розробила нову модель, щоб навчити роботів природним рухам. Раніше це було вкрай важко зробити, але вчені знайшли новий підхід. Результати своєї роботи показали у відео.
Роботи навчилися добре пересуватися, але жоден з них, зазначає команда, не робить це з особливою грацією; їм бракує плавності та атлетизму — ознак природних рухів тварин. Відповідь, на їхню думку, полягала в тому, щоб зосередитися на тренуванні всього тіла, пише Tech Xplore.
Прагнучи розробити тренування для всього тіла, команда виявила, що існуючим моделям тренувань бракувало адаптивності, і вони часто використовували занадто багато параметрів, що призводило до надмірної обережності в рухах. Це спонукало їх розробити нову двоетапну модель.
Перший етап передбачає навчання модуля штучного інтелекту розумінню відеозаписів рухів усього тіла людини — з перенацілюванням на основні моменти, щоб врахувати можливості роботів у поєднанні з відстеженням рухів.
Другий етап передбачає збір реальних даних для виявлення та узгодження відмінностей між діями в реальному світі (те, як рухаються люди на відео) і тим, як можуть рухатися роботи. Результатом є фреймворк, який команда називає Aligning Simulation and Real Physics (ASAP).
Щоб протестувати новий фреймворк, дослідники навчили робота виконувати рухи, знайомі спортивним фанатам. Робот виконав знаменитий кидок Кобі Брайанта у стрибку, рух «Глушитель» Леброна Джеймса та обертання Роналду в повітрі. Кожна навичка з використанням всього тіла записувалася під час виконання, а результати були розміщені на YouTube.
Дивлячись на них, легко впізнати відомі рухи і відзначити прогрес, досягнутий у вдосконаленні руху всього тіла. Але також легко помітити, що потрібно зробити ще багато роботи.
