Aby mechanizm robota nauczył się chodzić, nie wystarczy po prostu „przymocować” do niego kilka nóg. Nauka poruszania się to bardzo złożony proces, który zajmuje programistom dużo czasu. Ale teraz ten problem zostanie rozwiązany przez sztuczną inteligencję, ponieważ grupa ekspertów stworzyła uniwersalne algorytmy, które pomagają sztucznej inteligencji w nauce poruszania się robotów o dowolnej konfiguracji. W takim przypadku interwencja człowieka w ten proces nie jest wymagana.
Za rozwojem stoi zespół naukowców z Uniwersytetu Kalifornijskiego w Berkeley oraz grupa ekspertów z Google Brain, jednego z oddziałów badawczych Google zajmujących się sztuczną inteligencją. Ich nowy system wyszkolił czworonożnego robota do przemierzania zarówno znanego, jak i nieznanego terenu.
Uczenie się ze wzmocnieniem to zasadniczo metoda kija i marchewki dostosowana do sztucznej inteligencji. Używa nagrody lub kary za osiągnięcie lub nieosiągnięcie celów.
Do eksperymentów naukowcy zabrali robota Minitaur. Opracowali system składający się ze stacji roboczej, która aktualizowała dane sieci neuronowej, ładowała informacje do Minitaura i odładowywała je z powrotem. Za przetwarzanie informacji odpowiadał układ NVIDIA Jetson TX2 na pokładzie robota. Robot szedł 2 godziny i wykonał 160 000 kroków. W tym czasie algorytm nagradzał robota za posuwanie się naprzód i karał go, jeśli utknął w miejscu lub wykonał bardzo duży przewrót w bok. W rezultacie powstał algorytm ruchu, który pozwolił robotowi dobrać optymalną trajektorię ruchu w każdej sytuacji.
Vladimir Kuznetsov