


Robot berkaki empat belajar 'berdiri dengan dua kaki dan berjalan menuruni tangga'! 83% lebih cekap daripada sistem berkaki
Ingat robot perlumbaan dengan Tesla?
Ini ialah robot kaki roda empat kaki dengan nama yang sama dibangunkan oleh syarikat spin-off Institut Teknologi Persekutuan Switzerland di Zurich - Swiss-Mile, dahulunya dikenali sebagai ANYmal robot berkaki empat.
Kurang daripada setengah tahun sejak ia mula berlumba dengan Tesla, ia telah mencapai satu lagi peningkatan besar.
Naik taraf ini telah memperbaik algoritma robot dan keupayaan pergerakannya secara langsung telah meningkatkan UP UP UP! 🎜>
Anda boleh berdiri dengan kedua-dua belah kaki dan menuruni tangga:
(OS dalaman Editor: Jika saya memakai roller meluncur dan turun tangga, saya mungkin terjatuh Seekor anjing makan najis)
Jika anda penat menaiki tangga, naik lif dan buka pintu lif dengan kaki hadapan anda:
Menghadapi halangan:
Ia juga tahu bila hendak Berdiri, bila hendak "baring", suis antara kaki berdiri dan pergerakan empat kaki lebih lancar:
Algoritma AMP digunakan untuk robot sebenar buat kali pertama
Swiss-Mile sebelum ini menggunakan kawalan ramalan model (MPC) dan pembelajaran pengukuhan (RL), namun ini memerlukan pelarasan yang membosankan Hanya dengan cara ini anda boleh mendapatkan kaedah senaman yang ideal.
Untuk naik taraf algoritma ini, penyelidik menggunakan Multi-AMP (Adversarial Motion Priors) Algoritma mempertingkatkan rangka kerja pembelajaran pengukuhan tradisional untuk mengautomasikan sasaran tiruan dan proses pemilihan gerakan untuk beberapa gerakan prior tanpa heuristik.
Apakah sebenarnya AMP?
Ini ialah sistem pembelajaran lawan berdasarkan animasi watak fizikal, yang dicadangkan oleh penyelidik di Universiti California, Berkeley dan Shanghai Jiao Tong University, dan Swiss-Mile menggunakan kaedah ini padanya untuk kali pertama Menggunakan robot sebenar!
Untuk pembelajaran tiruan umum, biasanya perlu mengekstrak sejumlah besar segmen gerakan secara manual yang perlu ditiru sebagai sasaran penjejakan Walau bagaimanapun, menggunakan AMP boleh memilih segmen gerakan yang sesuai secara automatik untuk mencapai tugasan sasaran , pemilihan fasa dan klip gerakan kepada Discriminator, Diskriminator belajar membezakan antara dasar, dan menyatakan peralihan data gerakan.
Latihan simulasi dan penggunaan
Penyelidik akan menggunakan Multi-AMP rangka kerja Digunakan di Swiss-Mile dengan 16 darjah kebebasan dan dilaksanakan menggunakan simulator Gim Isaac, lebih daripada 4000 robot boleh melatih kemahiran secara serentak dalam masa 42 minit.
Persekitaran latihan terdiri daripada tiga tugas:
Yang pertama Tugasnya ialah pergerakan empat kaki, dan data gerakan terdiri daripada pergerakan yang direkodkan oleh strategi RL.
Tugas kedua ialah mengelakkan kemahiran, membenarkan robot bersembunyi di bawah meja. Data gerakan kemahiran dijana oleh saluran paip pengoptimuman trajektori dan digunakan serta dijejaki oleh pengawal MPC.
Tugas terakhir ialah penukaran pergerakan antara "berdiri" dan "quadruped". Kemahiran Gandingan membolehkan anda berdiri di atas kaki belakang anda, meluncur pada kedua-dua kaki, dan akhirnya duduk semula menggunakan gerakan yang sama seperti semasa berdiri.
Akhirnya, Swiss-Mile telah digunakan ke dalam persekitaran sebenar, dan penyelidik menggunakan model penggerak sendi kaki untuk merapatkan jurang daripada simulasi kepada realiti, dan menggunakan latihan rupa bumi yang kasar, gangguan rawak, dsb. untuk meningkatkan kekukuhan jika kelajuan sambungan melebihi had penggerak, robot belajar untuk mengekalkan toleransi yang selamat bagi had melalui trajektori terminal; .
Robot berempat atau humanoid? 83% lebih cekap daripada sistem berkaki!
Swiss-Mile bukan sahaja robot berkaki empat, tetapi juga robot humanoid.
Versi beroda mempunyai banyak kelebihan ketara berbanding versi berkaki Selepas algoritma dipertingkatkan, robot boleh berdiri terus dalam keadaan "robot humanoid" dan melakukan meluncur dan memanjat. tangga, menuruni bukit dan pergerakan sukar lain, ia boleh bergerak lebih pantas dan lebih cekap, lebih pantas daripada berjalan dengan empat kaki, dan 83% lebih cekap daripada sistem berkaki!
Pada masa hadapan, syarikat berharap untuk mengkomersialkan robot berkaki roda untuk menyelesaikan pelbagai tugas, termasuk pemetaan, pemeriksaan, Bantuan bencana dan logistik dalam persekitaran bandar, dsb.
Mungkin suatu hari nanti, anda akan melihat robot itu menggunakan "kaki depan" yang dinaikkan sebagai lengan untuk mengambil bungkusan ekspres, kemudian masukkannya ke dalam petak kargo di belakangnya, dan kemudian kembalikan merangkak dan dapatkan barang dihantar ke pintu anda secepat mungkin.
Atas ialah kandungan terperinci Robot berkaki empat belajar 'berdiri dengan dua kaki dan berjalan menuruni tangga'! 83% lebih cekap daripada sistem berkaki. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Alat AI Hot

Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool
Gambar buka pakaian secara percuma

Clothoff.io
Penyingkiran pakaian AI

AI Hentai Generator
Menjana ai hentai secara percuma.

Artikel Panas

Alat panas

Notepad++7.3.1
Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina
Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1
Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6
Alat pembangunan web visual

SublimeText3 versi Mac
Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Topik panas



Laman web ini melaporkan pada 27 Jun bahawa Jianying ialah perisian penyuntingan video yang dibangunkan oleh FaceMeng Technology, anak syarikat ByteDance Ia bergantung pada platform Douyin dan pada asasnya menghasilkan kandungan video pendek untuk pengguna platform tersebut Windows , MacOS dan sistem pengendalian lain. Jianying secara rasmi mengumumkan peningkatan sistem keahliannya dan melancarkan SVIP baharu, yang merangkumi pelbagai teknologi hitam AI, seperti terjemahan pintar, penonjolan pintar, pembungkusan pintar, sintesis manusia digital, dsb. Dari segi harga, yuran bulanan untuk keratan SVIP ialah 79 yuan, yuran tahunan ialah 599 yuan (nota di laman web ini: bersamaan dengan 49.9 yuan sebulan), langganan bulanan berterusan ialah 59 yuan sebulan, dan langganan tahunan berterusan ialah 499 yuan setahun (bersamaan dengan 41.6 yuan sebulan) . Di samping itu, pegawai yang dipotong juga menyatakan bahawa untuk meningkatkan pengalaman pengguna, mereka yang telah melanggan VIP asal

Tingkatkan produktiviti, kecekapan dan ketepatan pembangun dengan menggabungkan penjanaan dipertingkatkan semula dan memori semantik ke dalam pembantu pengekodan AI. Diterjemah daripada EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG, pengarang JanakiramMSV. Walaupun pembantu pengaturcaraan AI asas secara semulajadi membantu, mereka sering gagal memberikan cadangan kod yang paling relevan dan betul kerana mereka bergantung pada pemahaman umum bahasa perisian dan corak penulisan perisian yang paling biasa. Kod yang dijana oleh pembantu pengekodan ini sesuai untuk menyelesaikan masalah yang mereka bertanggungjawab untuk menyelesaikannya, tetapi selalunya tidak mematuhi piawaian pengekodan, konvensyen dan gaya pasukan individu. Ini selalunya menghasilkan cadangan yang perlu diubah suai atau diperhalusi agar kod itu diterima ke dalam aplikasi

Model Bahasa Besar (LLM) dilatih pada pangkalan data teks yang besar, di mana mereka memperoleh sejumlah besar pengetahuan dunia sebenar. Pengetahuan ini dibenamkan ke dalam parameter mereka dan kemudiannya boleh digunakan apabila diperlukan. Pengetahuan tentang model ini "diperbaharui" pada akhir latihan. Pada akhir pra-latihan, model sebenarnya berhenti belajar. Selaraskan atau perhalusi model untuk mempelajari cara memanfaatkan pengetahuan ini dan bertindak balas dengan lebih semula jadi kepada soalan pengguna. Tetapi kadangkala pengetahuan model tidak mencukupi, dan walaupun model boleh mengakses kandungan luaran melalui RAG, ia dianggap berfaedah untuk menyesuaikan model kepada domain baharu melalui penalaan halus. Penalaan halus ini dilakukan menggunakan input daripada anotasi manusia atau ciptaan LLM lain, di mana model menemui pengetahuan dunia sebenar tambahan dan menyepadukannya

Untuk mengetahui lebih lanjut tentang AIGC, sila layari: 51CTOAI.x Komuniti https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou berbeza daripada bank soalan tradisional yang boleh dilihat di mana-mana sahaja di Internet memerlukan pemikiran di luar kotak. Model Bahasa Besar (LLM) semakin penting dalam bidang sains data, kecerdasan buatan generatif (GenAI) dan kecerdasan buatan. Algoritma kompleks ini meningkatkan kemahiran manusia dan memacu kecekapan dan inovasi dalam banyak industri, menjadi kunci kepada syarikat untuk kekal berdaya saing. LLM mempunyai pelbagai aplikasi Ia boleh digunakan dalam bidang seperti pemprosesan bahasa semula jadi, penjanaan teks, pengecaman pertuturan dan sistem pengesyoran. Dengan belajar daripada sejumlah besar data, LLM dapat menjana teks

Editor |ScienceAI Question Answering (QA) set data memainkan peranan penting dalam mempromosikan penyelidikan pemprosesan bahasa semula jadi (NLP). Set data QA berkualiti tinggi bukan sahaja boleh digunakan untuk memperhalusi model, tetapi juga menilai dengan berkesan keupayaan model bahasa besar (LLM), terutamanya keupayaan untuk memahami dan menaakul tentang pengetahuan saintifik. Walaupun pada masa ini terdapat banyak set data QA saintifik yang meliputi bidang perubatan, kimia, biologi dan bidang lain, set data ini masih mempunyai beberapa kekurangan. Pertama, borang data adalah agak mudah, kebanyakannya adalah soalan aneka pilihan. Ia mudah dinilai, tetapi mengehadkan julat pemilihan jawapan model dan tidak dapat menguji sepenuhnya keupayaan model untuk menjawab soalan saintifik. Sebaliknya, Soal Jawab terbuka

Pembelajaran mesin ialah cabang penting kecerdasan buatan yang memberikan komputer keupayaan untuk belajar daripada data dan meningkatkan keupayaan mereka tanpa diprogramkan secara eksplisit. Pembelajaran mesin mempunyai pelbagai aplikasi dalam pelbagai bidang, daripada pengecaman imej dan pemprosesan bahasa semula jadi kepada sistem pengesyoran dan pengesanan penipuan, dan ia mengubah cara hidup kita. Terdapat banyak kaedah dan teori yang berbeza dalam bidang pembelajaran mesin, antaranya lima kaedah yang paling berpengaruh dipanggil "Lima Sekolah Pembelajaran Mesin". Lima sekolah utama ialah sekolah simbolik, sekolah sambungan, sekolah evolusi, sekolah Bayesian dan sekolah analogi. 1. Simbolisme, juga dikenali sebagai simbolisme, menekankan penggunaan simbol untuk penaakulan logik dan ekspresi pengetahuan. Aliran pemikiran ini percaya bahawa pembelajaran adalah proses penolakan terbalik, melalui sedia ada

Editor |. KX Dalam bidang penyelidikan dan pembangunan ubat, meramalkan pertalian pengikatan protein dan ligan dengan tepat dan berkesan adalah penting untuk pemeriksaan dan pengoptimuman ubat. Walau bagaimanapun, kajian semasa tidak mengambil kira peranan penting maklumat permukaan molekul dalam interaksi protein-ligan. Berdasarkan ini, penyelidik dari Universiti Xiamen mencadangkan rangka kerja pengekstrakan ciri berbilang mod (MFE) novel, yang buat pertama kalinya menggabungkan maklumat mengenai permukaan protein, struktur dan jujukan 3D, dan menggunakan mekanisme perhatian silang untuk membandingkan ciri modaliti yang berbeza penjajaran. Keputusan eksperimen menunjukkan bahawa kaedah ini mencapai prestasi terkini dalam meramalkan pertalian mengikat protein-ligan. Tambahan pula, kajian ablasi menunjukkan keberkesanan dan keperluan maklumat permukaan protein dan penjajaran ciri multimodal dalam rangka kerja ini. Penyelidikan berkaitan bermula dengan "S

Menurut berita dari laman web ini pada 1 Ogos, SK Hynix mengeluarkan catatan blog hari ini (1 Ogos), mengumumkan bahawa ia akan menghadiri Global Semiconductor Memory Summit FMS2024 yang akan diadakan di Santa Clara, California, Amerika Syarikat dari 6 hingga 8 Ogos, mempamerkan banyak produk penjanaan teknologi baru. Pengenalan kepada Sidang Kemuncak Memori dan Penyimpanan Masa Depan (FutureMemoryandStorage), dahulunya Sidang Kemuncak Memori Flash (FlashMemorySummit) terutamanya untuk pembekal NAND, dalam konteks peningkatan perhatian kepada teknologi kecerdasan buatan, tahun ini dinamakan semula sebagai Sidang Kemuncak Memori dan Penyimpanan Masa Depan (FutureMemoryandStorage) kepada jemput vendor DRAM dan storan serta ramai lagi pemain. Produk baharu SK hynix dilancarkan tahun lepas
