In eerdere projecten gebruikten onderzoekers van de Universiteit van Oregon dezelfde versterkingsleertechniek om een tweevoetige robot genaamd Cassie te leren rennen. De aanpak wierp zijn vruchten af: Cassie werd de eerste robot die 5 km buiten liep voordat hij een Guinness Wereldrecord vestigde voor de snelste tweevoetige robot die 100 meter kon rennen en het vermogen beheerste om gemakkelijk van de ene locatie naar de andere te springen.
Het trainen van robots om zich atletisch te gedragen vereist dat ze zeer complexe vaardigheden ontwikkelen in zeer krappe omgevingen, zegt Ilija Radosavovic, een promovendus aan Berkeley die Digit heeft getraind om een breed scala aan lasten te dragen en zichzelf te stabiliseren wanneer hij met een stok wordt geraakt. “Wij zijn precies het tegenovergestelde: we concentreren ons op vrij eenvoudige vaardigheden in een brede omgeving.”
Deze nieuwe golf van humanoïde robotica-onderzoek houdt zich minder bezig met snelheid en bekwaamheid en meer gericht op het robuust en aanpasbaar maken van machines – wat uiteindelijk nodig is om bruikbaar te zijn in de echte wereld. Humanoïde robots blijven een relatieve zeldzaamheid in de werkomgeving, omdat ze vaak moeite hebben om hun evenwicht te bewaren terwijl ze zware voorwerpen dragen. Hierdoor hebben de meeste robots die zijn ontworpen om voorwerpen van verschillend gewicht in fabrieken en magazijnen op te tillen, meestal vier poten of een grotere, stabielere basis. Maar onderzoekers hopen daar verandering in te brengen door humanoïde robots betrouwbaarder te maken met behulp van AI-technieken.
Versterkend leren zal “een nieuwe, veel flexibelere en snellere manier introduceren om dit soort manipulatievaardigheden te trainen”, zegt Fern. Hij en zijn team zullen hun bevindingen volgende maand presenteren op ICRA, de Internationale Conferentie over Robotica en Automatisering, in Japan.
Het uiteindelijke doel is dat een mens de robot een video kan laten zien van een gewenste taak, zoals een doos van de ene plank oppakken en naar een andere hogere plank duwen, en de robot dit vervolgens laat doen zonder verdere instructies nodig te hebben. zegt Fern.
Robots dit gedrag laten observeren, kopiëren en snel leren zou erg nuttig zijn, maar het blijft een uitdaging, zegt Lerrel Pinto, assistent-professor computerwetenschappen aan de New York University, die niet bij het onderzoek betrokken was. “Als het zou kunnen, zou ik er erg van onder de indruk zijn”, zegt hij. “Dit zijn lastige problemen.”