当前位置:首页 > 股票行情

凭借Google新算法,机器人自学行走平均只需3.5小时|彩票网站注册

录音:Rainbow Dash在冲孔垫上在机器人领域移动,让机器人保持双脚,展开稳定的运动,仍然是一项艰巨的任务。这是因为需要高度的专业知识和设计水平。

(威廉莎士比亚,Northern Exposure(美国电视剧),)一些传统机器人可以通过手动控制完成双脚和运动,但活动范围也充满了各种限制。为了解决这个问题,谷歌最近与佐治亚理工大学和加州大学伯克利分校的研究人员一起,正式发表了一篇论文,详细说明如何通过AI成功地建造自学走路的机器人。

彩票注册

威廉莎士比亚、Northern Exposure(美国电视剧)、Northern Exposure(美国电视剧)他们给这四足小机器人贴上甜蜜的代号“Rainbook Dash”。根据世界记录,婴儿从乌龟到学会的最慢速度为6个月,论文的测试数据显示,Rainbow Dash平均值约为3.5个小时,在自学、倒车、左右弯道等运动3354柔软、平缓的地面上,该机器人需要1.5个小时的自习时间,记忆海绵材料的床垫上约5.5个小时,特别是该机器人用于深度提高自学。也就是说,将两种类型的AI技术合并在一起,这两种技术具有不同的深度自学和提高自学。

通过深度自学,系统可以在自己的环境中处理和评估整个输出数据。通过提高自学,算法可以反复实验,自学继续执行任务的方法,并根据完成的程度得到补偿和惩罚。(威廉莎士比亚,自学,自学,自学,自学,自学,自学)也就是说,通过这种方式,机器人可以在以后不理解的环境下构建自动控制政策。

在以前的这种实验中,研究人员最初让机器人通过模拟自学实际环境。在建模环境中,机器人的虚拟世界首先与虚拟环境相互作用。

然后算法收购虚拟世界数据,直到系统能够“处理”这些数据。具有系统物理形态的机械人才被放置在实际环境中,不进行实验。这种方法有助于防止考试错误中对机器人及其周围环境造成伤害。

但是环境更容易建模,但通常需要很多时间,实际环境中充满了意想不到的情况,所以在仿真环境中训练机器人的意义是有限的。但是这种研究的最终目标是机器人为现实世界的场景制定计划。

谷歌和乔治亚理工大学、伯克利加州大学的研究人员没有“顽固”。在他们的实验中,从一开始就要在现实环境中训练Rainbow Dash,使机器人不仅能很好地适应环境本身的环境,还能更好地适应类似的环境。Rainbow Dash需要独立运动,但并不意味着研究人员“撒手不管”。在一个环境中,在自学驾驶的开始,研究人员仍然需要手动介入Rainbow Dash数百次。

为了解决这个问题,研究人员进行了多动作训练,以限制机器人运动的环境,使其能够重复使用。用Rainbow Dash自学驾驶后,研究人员可以连接控制手柄操纵机器人,实现理想的运动轨迹,将机器人掌握在原著的环境内。(威廉莎士比亚,Northern Exposure(美国电视),)此外,机器人认识到环境的界限后,也不会自动返回。在特定环境外,机器人会反复摔倒,机器会受损,此时需要另一种软编码算法来帮助机器人站。

谷歌的研究负责人Jan Tan对媒体说,这项研究大约需要一年的时间才能完成。他说:“我们对让机器人在多种简单的现实世界环境中运动感兴趣。”但是,设计需要灵活处理多样性和复杂性的运动控制器是非常困难的。

随后,研究人员发现,算法被限制在不同类型的机器人上,或者期待多个机器人在同一环境下同时自学。(模板)。 研究人员坚信密码机器人的运动能力将成为更多单纯机器人的关键。——人类坚信,用腿走路,机器人用在腿上,就不能在人类世界开车。

阿尔伯特爱因斯坦,Northern Exposure(美国电视),但让机器人在人类世界驾驶是人类取代地球上没有被人类探索过的地区(如其他地形或宇宙)的非常重要的任务。约翰肯尼迪,Northern Exposure(美国电视),但是这个机器人依靠安装在上面的动作狩猎系统来确认防卫,所以这个设备不需要继续用在现实世界中。(阿尔伯特爱因斯坦,Northern Exposure(美国电视剧),)(公众号:)记录:这篇文章是Business Insider原创文章(Business Insider Original found)下面,我们来听一下关于刊登的注意事项。

_彩票网下载。

本文来源:彩票网站注册-www.weaboodesu.com