Annak érdekében, hogy egy robotmechanizmus megtanuljon járni, nem elég csupán több lábat hozzáerősíteni. A költöztetés megtanulása nagyon összetett folyamat, amely sok időt vesz igénybe a fejlesztők számára. Most azonban ezt a kérdést a mesterséges intelligencia fogja megoldani, mert egy szakértői csoport univerzális algoritmusokat hozott létre, amelyek segítenek az AI-nak a konfigurációjú robotok mozgásuk megtanításában. Ebben az esetben az emberi beavatkozás nem szükséges.
A fejlesztés mögött a Kaliforniai Berkeley Egyetemen dolgozó tudósok és a Google Brain szakértőinek csoportja áll, amely a Google egyik mesterséges intelligencia kutatási ága. Új rendszerük kiképezte a négylábú robotot mind az ismerős, mind az ismeretlen terep átjárására.
A megerősítéses tanulás alapvetően az AI-hez adaptált sárgarépa és bot módszer. Jutalmat vagy büntetést használ a célok elérése vagy nem elérése érdekében.
Kísérletekhez a tudósok elvették a Minitaur robotot. Kifejlesztettek egy olyan rendszert, amely egy állomásból állt, amely frissítette az ideghálózati adatokat, betöltette az információkat a Minitaurba, és újra letöltette. A robot fedélzetén található NVIDIA Jetson TX2 chip volt felelős az információfeldolgozásért. A robot 2 órán át sétált és 160 000 lépést tett. Ez idő alatt az algoritmus jutalmazta a robotot az előrehaladásért, és megbüntette, ha a helyére ragadt, vagy nagyon nagy tekercset adott oldalra. Ennek eredményeként létrejött egy mozgási algoritmus, amely lehetővé tette a robot számára, hogy bármilyen helyzetben megválaszthassa az optimális mozgási pályát.
Vladimir Kuznetsov