Aby se robotický mechanismus naučil chodit, nestačí jen „k němu“připojit několik nohou. Naučit se pohybovat je velmi složitý proces, který vývojářům zabere spoustu času. Nyní však tento problém vyřeší umělá inteligence, protože skupina odborníků vytvořila univerzální algoritmy, které pomáhají umělé inteligenci učit roboty jakékoli konfigurace k pohybu. V tomto případě není nutný lidský zásah do tohoto procesu.
Za vývojem stojí tým vědců z University of California v Berkeley a skupina odborníků z Google Brain, jedné z výzkumných složek společnosti Google v oblasti umělé inteligence. Jejich nový systém školil čtyřnohého robota, aby procházel známým terénem i neznámým.
Učení zesílení je v podstatě metoda mrkve a hůlky přizpůsobená pro AI. Používá odměnu nebo trest za dosažení nebo nedosažení cílů.
Pro experimenty vědci vzali robota Minitaur. Vyvinuli systém, který se skládal z pracovní stanice, která aktualizovala data neuronové sítě, načítala informace do Minitaur a vykládala je zpět. Čip NVIDIA Jetson TX2 na palubě robota byl zodpovědný za zpracování informací. Robot šel 2 hodiny a podnikl 160 000 kroků. Během této doby algoritmus odměnil robota za posun vpřed a potrestal jej, pokud se zasekl na svém místě nebo dal velmi velkou roli na stranu. Ve výsledku byl vytvořen pohybový algoritmus, který robotovi umožnil zvolit optimální trajektorii pohybu v jakékoli situaci.
Vladimír Kuzněcov