• Home
  • Chimie
  • Astronomie
  • Énergie
  • La nature
  • Biologie
  • Physique
  • Électronique
  • Tout ce que les robots à doigts veulent pour Noël, c'est une main comme Dactyl

    Crédits :openai

    Un lettré, bloc multicolore :une tâche triviale attend les humains pour le ramasser, retourne le, jette-le dans le creux de nos mains. Pour un expert en robotique, bien que, c'est une tâche ardue qui est difficile à gravir. La manipulation manuelle des robots a toujours été un défi.

    Entrez Dactyle. Une vidéo OpenAI publiée lundi, intitulé Apprentissage de la dextérité, ont fièrement montré leur système de robot, Dactyle, qui a été créé pour manipuler des objets - d'une manière de premier ordre.

    L'accent est mis sur le mot dextérité. Ses doigts manipulent le bloc d'une manière tout à fait remarquable, y compris en tournant habilement le bloc sur ses différents côtés. Il a appris à faire pivoter le bloc dans n'importe quelle orientation souhaitée.

    Ils ont formé un réseau de neurones convolutifs, mentionné Spectre IEEE c'est Evan Ackerman, contrôler une main d'Ombre pour manipuler des objets, en seulement 50 heures.

    Être sûr, l'autre raison pour laquelle leur main a attiré l'intérêt était qu'elle a été travaillée en moins de temps. Ackerman a souligné l'importance des gains de temps pour les équipes de robots. (Les chiffres sont humiliants. Spectre IEEE mentionné 50 manipulations de cubes réussies à la suite de 6, 144 cœurs de processeur et 8 GPU rassemblant 100 ans d'expérience de robot simulé en 50 heures.)

    Il faut des années aux humains pour atteindre des niveaux « robustes » de manipulations manuelles. Bien, robots, dit Ackerman, "Je n'ai pas ce genre de temps. Apprendre par la pratique et l'expérience est toujours la voie à suivre pour des tâches complexes comme celle-ci, et le défi est de trouver un moyen d'apprendre plus rapidement et plus efficacement que de simplement donner à la main d'un robot quelque chose à manipuler encore et encore jusqu'à ce qu'il apprenne ce qui fonctionne et ce qui ne fonctionne pas, ce qui prendrait probablement environ cent ans."

    Reuters a également décrit l'importance de leur travail :« La formation physique prend des mois ou des années et a ses propres problèmes - par exemple, si une main de robot laisse tomber une pièce, un humain doit le ramasser et le remettre. C'est cher aussi. Les chercheurs ont cherché à découper ces années d'entraînement physique et à les distribuer sur plusieurs ordinateurs pour une simulation logicielle qui peut faire la formation en heures ou en jours, sans aide humaine."

    Un autre aspect passionnant a été identifié par Stephen Nellis dans l'article de Reuters. "Les chercheurs ont injecté du bruit aléatoire dans la simulation logicielle, rendant le monde virtuel de la main du robot suffisamment désordonné pour qu'il ne soit pas embrouillé par l'inattendu dans le monde réel."

    En élevant la barre de la manipulation manuelle, l'équipe avait réussi à couvrir des variabilités qui ne peuvent pas être bien modélisées. Ackerman a écrit, "Cela inclut la masse et les dimensions de l'objet, frottement de la surface de l'objet et du bout des doigts du robot, à quel point les articulations du robot sont amorties, forces d'actionnement, limites communes, jeu et bruit du moteur, et plus."

    Dans leur article de blog OpenAI, l'équipe a déclaré avoir entraîné une main de robot semblable à un humain à manipuler des objets physiques "avec une dextérité sans précédent". Ils ont noté comment Dactyl a été entièrement formé à la simulation, « s'adapter à la physique du monde réel à l'aide de techniques sur lesquelles nous travaillons depuis un an. Dactyl apprend à partir de zéro en utilisant le même algorithme et le même code d'apprentissage par renforcement à usage général qu'OpenAI Five. »

    Il est possible de former des agents à la simulation et de les faire résoudre des tâches du monde réel, ils ont dit, sans modélisation physiquement précise du monde.

    © 2018 Tech Xplore




    © Science https://fr.scienceaq.com