本気ですか？ロボット犬をゴールキーパーにして論文を出版する

ロボット犬にサッカーのゴールキーパーをさせるのは信頼できるのでしょうか?信頼できるかどうかは、まずは効果を見てから結論を出しましょう。

スタッフは非常に穏やかな攻撃をしましたが、ロボット犬がボールをブロックしました:

続き難しいですが、放物線状のゴールを決めるのは問題ありません:

ボールを手で投げるのは不正行為の疑いがありますか?足で試してみると、ロボット犬もゴールを守ることができます。

興味深いことに、この研究では、ロボット犬を使って遊ぶことも試みられました。 2 匹のロボット犬が単独でプレイできるのは素晴らしいことです:

効果を確認した後、私はこう思いました。ロボット犬がゴールキーパーになっているような感じで、かなり頼もしいです。このロボット犬は、2019 年に MIT によって開発された Mini Cheetah です。現在、カリフォルニア大学バークレー校およびその他の機関の研究者は、Mini Cheetah 用の新しい強化学習フレームワークを導入し、サッカーのゴールキーパーのタスクをゴールキーパーの成功率で完了できるようにしています。 87.5%。

論文アドレス: https://arxiv.org/pdf/2210.04435.pdf

4 メートル離れたところからボールを​​蹴る

ミニ チーターは 1 秒未満でゴールを守ることに成功しました。

ミニ チーターがゴールを守ることを学ぶのは依然として困難です。これは、オブジェクトの高さとダイナミクスが関係するためです (例:移動位置、具体的には、一方は方向や位置が不確実な高速で移動するボールを操作し、もう一方はボールの位置を素早く判断してゴールを防ぐ必要があります。これを達成するには、ボールをブロックするために足 (または顔) が時間内に必要な場所に確実に到達するようにしながら、体を動的に動かすようにロボットに教える必要があります。これは基本的に 2 つのパズルを 1 つにまとめたものです。

この研究の解決策は、モーション コントローラーとエンド エフェクターの軌道計画を組み合わせて、ボールがターゲットに到達する前にミニ チーターを作成する最適な方法を見つけることです。 1秒、ブロック。

上記のプロセスを完了するには、ミニ チーターは、一連の有用なゴールキーピング スキルを習得するようにトレーニングする必要もあります。たとえば、ミニ チーターは、ボールの近くおよび近くでの横方向のインターセプトを習得する必要があります。地面を蹴ってダイビングをマスターし、ゴール下隅に到達したり、ゴール上隅や上隅にジャンプしたりするテクニック。これらのアクションを完了すると、ミニ チーターは回復し、最終的には安全に着陸することができます。各スキルの基準動作は手動でプログラムされ、シミュレーションでトレーニングされてから、ロボットに直接転送されます。

ミニ チーターが守るゴールは幅 1.5 メートル、高さ 0.9 メートルで、約 4 メートル離れたところからボール (3 番) が蹴られ、ボールを外側から追跡し、ミニ チーターがブロックします。それ。このような小さなロボット犬がボールをブロックするアクションを完了するパフォーマンスは印象的です。

研究では、ロボット犬システムが、シミュレーションで学習したダイナミックな動きとゴールキーピングのスキルを実際の四足動物に伝達できることが示されています。現実世界におけるランダムなシュートに対するゴールキーピングの成功率は 87.5% でした。人間のサッカーゴールキーパーの平均成功率は69%です。研究者らは、提案したフレームワークはマルチスキルフットボールなどの他のシナリオにも拡張できると述べている。

このロボット犬の背後にあるフレームワークを見てみましょう。

階層型強化学習フレームワーク

まず第一に、四足ロボットをサッカーのゴールキーパーにするのは非常に困難な問題です。なぜなら、それは物体の軌道を予測する問題と、掴まないオブジェクトのキャプチャ オブジェクト (球) を保持する際の 2 つの実際的な問題。ロボットは、非常に短い時間内 (通常は 1 秒未満) に空中を飛んでいるボールに反応して迎撃する必要があります。

この課題を達成するために、研究チームは階層モデルフリーの強化学習 (RL) フレームワークを提案しました。このフレームワークには、さまざまな運動能力に対応する複数の制御戦略が含まれており、ターゲットのさまざまな領域をカバーします。

これらの制御戦略により、ロボットは、ジャンプしてボールをブロックする、飛び込むなどの特定の運動スキルを実行しながら、ランダムにパラメータ化されたエンドエフェクターの軌道を追跡できます。ボールとボールが地面に転がるのを止めます。

#RL フレームワークには、ロボットが必要な運動スキルを決定し、エンドエフェクターの軌道を計画してロボットを阻止するのに役立つ高レベルのプランナーが含まれています。飛行方向 異なるターゲットエリアにボールが飛びます。

この研究では、2019 年に MIT によって提案された Mini Cheetah 四足歩行ロボットに上記の RL フレームワークを導入しました。実験により、この RL フレームワークにより、四足ロボットが現実の高速動作を効果的に遮断できることが示されました。世界のボール。

四足ロボットの RL フレームワークに関するこれまでの研究は、主にロボットを必要な速度で歩行させたり、基準動作を模倣します。この研究で提案されたフレームワークは、学習した運動スキルをより高いレベルのタスクに拡張し、高度な計画をうまく利用して、四足ロボットが素早い動きで高速で動くサッカーを正確に迎撃できるようにします。これは、四足ロボットの高度な計画制御にとって重要な意味を持ちます。

以上が本気ですか？ロボット犬をゴールキーパーにして論文を出版するの詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。