Hitech logo

Кейсы

DeepMind научила робота завязывать шнурки

TODO:
Екатерина Шемякинская13 сентября, 09:12

Дети учатся завязывать шнурки к 5-6 годам. Роботы же пытаются решить эту задачу десятилетиями. Google DeepMind представили новый метод, позволяющий обучать роботов выполнению разнообразных тонких манипуляций. В число таких задач входят завязывание шнурков, развешивание одежды и даже ремонт других роботов. Система использует платформу ALOHA Unleashed и симулятор DemoStart, которые обучают роботов на основе наблюдения за человеческими действиями.

Самые интересные технологические и научные новости выходят в нашем телеграм-канале Хайтек+. Подпишитесь, чтобы быть в курсе.

В опубликованных в социальной сети X видеороликах компании DeepMind продемонстрированы манипуляционные действия роботов. Роботизированные манипуляторы научились вешать футболку на вешалку, переставлять миниатюрные детали и даже завязывать шнурки.

Это стало возможным благодаря новой платформе обучения ALOHA Unleashed в сочетании с симулятором DemoStart. Эти методы разработаны для обучения роботов путем наблюдения за человеческими действиями. Исследование показало, что роботизированные системы могут научиться выполнять сложные задачи, основываясь исключительно на визуальной демонстрации, без большого количества реальных экспериментов.

По словам разработчиков, DemoStart позволяет роботу научиться выполнять задачу в симуляции, требуя в 100 раз меньше демонстраций по сравнению с обучением на реальных данных.

В симуляции робот выполнил более 98% заданий, включая переориентацию разноцветных кубиков, закручивание гаек и болтов, а также организацию инструментов. В реальных условиях робот продемонстрировал 97% успеха при переориентации и подъеме кубиков, а также 64% при выполнении задачи по подключению вилки к розетке, требующей высокой точности и координации движений.

Исследователи прогнозируют, что в будущем роботы, оснащенные искусственным интеллектом, возьмут на себя выполнение широкого спектра задач как в быту, так и на производстве. Современные исследования в области развития ловкости роботов, в частности, разработка эффективных методов обучения, приближают эту перспективу.