Робопес DribbleBot научился водить мяч, как настоящий футболист - «Роботы» » Новости Электроники.
Интернет портал Mobzilla.su предлагает огромный выбор новостей с доставкой на дом. » Новости Электроники » Роботы » Робопес DribbleBot научился водить мяч, как настоящий футболист - «Роботы»
Робопес DribbleBot научился водить мяч, как настоящий футболист - «Роботы»
Очередной прорыв в робототехнике совершили ученые из Массачусетского технологического института, научив робота-пса вести футбольный мяч. И не просто толкать его перед собой, а применять приемы настоящего дриблинга. Причем делает он это не на ровной искусственной поверхности, а в чистом поле — с



Очередной прорыв в робототехнике совершили ученые из Массачусетского технологического института, научив робота-пса вести футбольный мяч. И не просто толкать его перед собой, а применять приемы настоящего дриблинга. Причем делает он это не на ровной искусственной поверхности, а в чистом поле — с буераками, камнями, снегом и лужами.


Как объясняет профессор Пулкит Агравал, весь смысл обучения шагающих роботов сложным движениям в том, чтобы те научились проходить там, где не проедут колесные аппараты. Среди руин, в густом лесу и в зонах бедствия робот должен перемещаться по любой местности, где пройдет человек. Или даже больше — например, пробежать по лужам горящего топлива или перепрыгнуть завалы, чтобы доставить важные грузы как можно скорее.


Дриблинг – сложное упражнение для машины, потому что она и мяч по-разному реагируют на контакт с поверхностью. Там, где робот спокойно перешагнет через горсть камней, мяч может улететь в сторону после удара о них. А там, где мяч шлепнется в лужу и поплывет, робот может завязнуть в иле или даже утонуть, если неверно оценит глубину. Поэтому нужно синхронизировать работу двух наборов датчиков для оценки ситуации, один из которых отвечает за перемещения робота, а второй следит за мячом и позволяет прогнозировать его перемещения.


Изначально DribbleBot постоянно падал на неровной поверхности, тратил время на подъем и терял мяч из виду. Тогда его оснастили нейросетью, которую обучили на 4000 часах виртуальных симуляций игры, чтобы она запомнила правильную последовательность движений. Это позволило научить робота уверенно вести мяч по разным покрытиям всего за несколько дней. Полученные в ходе работы над DribbleBot алгоритмы откроют для шагающих роботов новые горизонты применения.


Источник — MIT


{full-story limit="10000"}
Ctrl
Enter
Заметили ошЫбку?
Выделите текст и нажмите Ctrl+Enter
Мы в
Комментарии
Минимальная длина комментария - 50 знаков. комментарии модерируются
Комментариев еще нет. Вы можете стать первым!
Комментарии для сайта Cackle

Смотрите также
интересные публикации

      
Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика Яндекс.Метрика