Lids Universiteti tərəfindən

Sadie Harley tərəfindən redaktə edilmiş , Robert Eqan tərəfindən nəzərdən keçirilmişdir

 Redaktorların qeydləriRobot beton səki plitələrində gəzir. Kredit: Joseph Humphreys, Lids Universiteti.

Tədqiqatçılar dördayaqlı robotun dünyada ilk olduğu güman edilən yerdə yerişini əsl heyvan kimi fərqli, tanış olmayan əraziyə uyğunlaşdırmağa imkan verən süni intellekt (AI) sistemi hazırlayıblar. Əsər Nature Machine Intelligence jurnalında dərc olunub .

Pioner texnologiya robota indiki nəsil robotlar kimi addımını nə vaxt və necə dəyişdirəcəyini söyləmək əvəzinə, avtonom şəkildə hərəkət tərzini dəyişməyə imkan verir. Bu irəliləyiş, insanların təhlükə altına düşə biləcəyi təhlükəli şəraitdə, məsələn, nüvə silahının ləğvi və ya axtarış-xilasetmə kimi, naməlum olana uyğunlaşa bilməməyin insan həyatı bahasına başa gələ biləcəyi yerlərdə ayaqlı robotların potensial olaraq istifadəsinə doğru böyük addım kimi qiymətləndirilir.

Lids Universiteti və London Universitet Kolleci (UCL) tərəfindən aparılan tədqiqat üçün tədqiqatçılar heyvanlar aləmindən ilham alaraq robota əvvəllər görmədiyi ərazilərdə naviqasiya etməyi öyrətdilər. Buraya müxtəlif mənzərələrə uyğunlaşmağa mahir olan itlər, pişiklər və atlar kimi dördayaqlı heyvanlar daxildir. Bu heyvanlar enerjiyə qənaət etmək, tarazlığı qorumaq və ya təhdidlərə tez cavab vermək üçün hərəkət yollarını dəyişirlər.

Tədqiqatçılar robotlara məməlilərin təbiətdə etdiyi kimi, qaçış, qaçış, sərhəd və daha çox şeylər arasında keçidi öyrədə biləcək bir çərçivə yaratdılar.

Lazım olduqda yerişləri dəyişdirmək

Heyvanların gözlənilməz bir dünyada naviqasiya etmək üçün istifadə etdiyi eyni strategiyaları süni intellekt sisteminə daxil etməklə robot əraziyə cavab olaraq tez yerişlərini dəyişməyi öyrənir. Süni intellektin məlumat emal gücü sayəsində “Klarens” ləqəbli robot, lazımi strategiyaları cəmi doqquz saat ərzində, əksər gənc heyvanların müxtəlif səthləri inamla keçmək üçün sərf etdiyi gün və ya həftələrdən xeyli tez öyrəndi.

Nature Machine Intelligence məqaləsində , Lidsdəki Maşın Mühəndisliyi Məktəbinin aspirantura tədqiqatçısı, ilk müəllif Joseph Humphreys, çərçivənin robota ətraf mühitə uyğun olaraq addımını dəyişməyə, qeyri-bərabər taxta, boş ağac yongaları və böyümüş bitki örtüyü daxil olmaqla, sistemin özündə heç bir dəyişiklik etmədən müxtəlif ərazilərin öhdəsindən gəlməyə necə imkan verdiyini izah edir.Oyna

00:00

01:14SəssizParametrlərPIPTam ekrana daxil olun

O, “Bizim tapıntılarımız uyğunlaşma ilə bağlı bir çox əvvəlki məhdudiyyətləri azaltmaqla ayaqlı robotların hərəkətinə nəzarətin gələcəyinə əhəmiyyətli təsir göstərə bilər” dedi.

O, əlavə etdi: “Bu dərin gücləndirici öyrənmə çərçivəsi, hətta əvvəllər heç vaxt rast gəlinməmiş mühitlərdə belə yüksək uyğunlaşma və optimal hərəkətə nail olmaq üçün enerjiyə qənaət, lazım olduqda hərəkətləri tənzimləmək və yeriş yaddaşı kimi real heyvanlardan ilhamlanan və ya “bio-ilhamlı” yeriş strategiyaları və davranışlarını öyrədir.

“Bütün məşqlər simulyasiyada baş verir. Siz siyasəti kompüterdə öyrədirsiniz, sonra götürüb robota qoyursunuz və o, məşqdəki kimi bacarıqlıdır. Bu, Neonun döyüş sənətlərindəki bacarığının beyninə yükləndiyi Matrixə bənzəyir, lakin o, real dünyada heç bir fiziki məşq keçirmir.

“Sonra biz robotu real dünyada, əvvəllər heç vaxt görmədiyi səthlərdə sınaqdan keçirdik və o, hamısını uğurla idarə etdi. Onun qoyduğumuz bütün çağırışlara uyğunlaşdığını izləmək və öyrəndiyimiz heyvan davranışının onun üçün demək olar ki, ikinci təbiətə çevrildiyini görmək həqiqətən də faydalı idi.”

Dərin gücləndirici öyrənmə agentləri çox vaxt müəyyən bir tapşırığı yaxşı öyrənirlər, lakin ətraf mühit dəyişdikdə uyğunlaşmaqda çətinlik çəkirlər. Heyvanların beyinləri öyrənməyi dəstəkləyən daxili strukturlara və məlumatlara malikdir. Bəzi agentlər bu cür öyrənməni təqlid edə bilər, lakin onların süni sistemləri adətən o qədər də təkmil və mürəkkəb deyil. Tədqiqatçılar, təbii heyvan hərəkəti strategiyaları ilə sistemlərini aşılamaqla bu çətinliyin öhdəsindən gəldiklərini söyləyirlər.

Onlar deyirlər ki, onlar heyvanların hərəkətinin bütün üç kritik komponentini eyni vaxtda gücləndirici öyrənmə sisteminə inteqrasiya edən ilk çərçivədir, yəni: yeriş keçid strategiyaları, yeriş prosessual yaddaşı və adaptiv hərəkət tənzimlənməsi – daha çox fiziki tənzimləmə tələb etmədən, simulyasiyadan birbaşa simulyasiyadan real dünyada yerləşdirməyə imkan verir.

Sadə dillə desək, robot sadəcə hərəkət etməyi öyrənmir, o, hansı yerişdən istifadə edəcəyinə, nə vaxt dəyişdiriləcəyinə və onu real vaxt rejimində, hətta əvvəllər heç rast gəlmədiyi ərazidə necə tənzimləməyə qərar verməyi öyrənir.Robot yerişini simulyasiya edilmiş əraziyə uyğunlaşdırmağı öyrənir. O, eyni vaxtda yüzlərlə simulyasiya edilmiş mühitdə tətbiq olunurdu. Kredit: Joseph Humphreys, Lids Universiteti.

UCL Computer Science-dan tədqiqatın baş müəllifi professor Zhou dedi: “Bu tədqiqat fundamental sualdan irəli gəlirdi: ayaqlı robotlar heyvanlar kimi instinktiv şəkildə hərəkət edə bilsəydilər nə olardı? Xüsusi tapşırıqlar üçün robotları öyrətmək əvəzinə, biz onlara heyvanların yerişlərini uyğunlaşdırmaq, enerji tarazlığı, koordinasiya kimi prinsiplərdən istifadə etmək üçün istifadə etdikləri strateji intellekt vermək istədik.

“Həmin prinsipləri süni intellekt sisteminə daxil etməklə, biz robotlara əvvəlcədən proqramlaşdırılmış qaydalara deyil, real vaxt şərtlərinə əsaslanaraq necə hərəkət edəcəyini seçmək imkanı verdik. Bu o deməkdir ki, onlar tanış olmayan mühitlərdə, hətta əvvəllər rastlaşmadıqları mühitlərdə belə təhlükəsiz və effektiv hərəkət edə bilirlər.

“Bizim uzunmüddətli vizyonumuz, heyvanlar və insanlar kimi eyni axıcılıq və elastikliklə hərəkət edən, uyğunlaşan və qarşılıqlı əlaqədə olan insanabənzər robotlar da daxil olmaqla, təcəssüm olunmuş AI sistemlərini inkişaf etdirməkdir.”

Real dünya tətbiqləri

Mühəndislər mürəkkəb hərəkətlilik problemlərini həll etmək üçün biomimikriya kimi tanınan təbiəti getdikcə daha çox təqlid edirlər. Komanda deyir ki, onların nailiyyətləri təhlükəli mühitlərdə və ya girişin çətin olduğu yerlərdə ayaqlı robotların daha uyğunlaşa bilən və real dünya problemlərinin öhdəsindən gəlmək qabiliyyətinə malik olmaqda irəliyə doğru böyük addımdır.

Tanış olmayan, mürəkkəb ərazilərdə naviqasiya edə bilən robot onların fəlakətlərə cavabdehlik, planet kəşfiyyatı, kənd təsərrüfatı və infrastrukturun təftişində istifadə edilməsi üçün yeni imkanlar açır.

O, həmçinin bioloji intellektin robot sistemlərinə inteqrasiyası və biomexanika fərziyyələrinin daha etik araşdırmalarının aparılması üçün perspektivli yolu təklif edir; Heyvanları invaziv sensorlarla yükləmək və ya sabitliyin bərpa reaksiyasını öyrənmək üçün onları təhlükəyə atmaq əvəzinə, robotlardan istifadə etmək olar.

Heyvanların hərəkətini təsirli edən amillərdən ilham alaraq, tədqiqatçılar robotun insanlara hərəkətlərində kömək edən görmə, qoxu və eşitmə kimi eksteroseptiv sensorlardan istifadə etməməsinə baxmayaraq, mürəkkəb və yüksək riskli əraziləri keçə bilən çərçivə hazırlaya bildilər.Oyna

00:00

01:39SəssizParametrlərPIPTam ekrana daxil olun

Çoxlu ərazilərdə paralel məşq

Dərin möhkəmləndirmə öyrənməsindən istifadə edərək – effektiv super güclü sınaq və səhv – robot eyni vaxtda yüzlərlə mühitdə məşq etdi, əvvəlcə müxtəlif yerişlərlə hərəkət etmək problemini həll etdi, sonra ərazi üçün ən yaxşı yeri seçdi və yüksək uyğunlaşa bilən hərəkətə nail olmaq üçün alətlər yaratdı.

Bu əldə edilmiş uyğunlaşma qabiliyyətini real dünyada sınaqdan keçirmək üçün robot ağac yongaları, daşlar, böyümüş köklər və boş taxtalar da daxil olmaqla real həyat səthlərində sərbəst buraxıldı, həmçinin ayaqlarını dəfələrlə süpürgə fırçası ilə döyərək, səfərlərdən sonra bərpa olunma qabiliyyətini yoxladı. Komanda robotu istiqamətləndirmək üçün proqramlaşdırılmış marşrutdan və ya video oyunlarında istifadə olunanlar kimi joystikdən istifadə edib.

Bəlkə də təəccüblüdür ki, robot məşq zamanı heç bir kobud əraziyə məruz qalmadı , sistemin uyğunlaşma qabiliyyətini vurğuladı və bu bacarıqların robot üçün instinktiv hala gəldiyini nümayiş etdirdi.

Tədqiqat sağlam gündəlik hərəkəti təmin etməyə yönəldilib. Gələcək işlərdə komanda uzun məsafəyə tullanma, dırmaşma və dik və ya şaquli ərazilərdə naviqasiya kimi daha dinamik bacarıqlar əlavə etməyə ümid edir.

Çərçivə indiyə qədər yalnız bir it ölçülü dördayaqlı robotda sınaqdan keçirilsə də , əsas prinsiplər geniş şəkildə tətbiq olunur. Eyni bio-ruhlandırılmış ölçülər, oxşar morfologiyanı paylaşdıqları müddətcə ölçüsündən və çəkisindən asılı olmayaraq dördayaqlı robotların geniş çeşidində istifadə edilə bilər.

Ətraflı məlumat: Çox yönlü dördayaqlı Hərəkət, Təbiət Maşın Zəkası üçün Bio-Rəhbər Yeriş Strategiyaları vasitəsilə Uyğunlaşmağı Öyrənmək (2025). DOI: 10.1038/s42256-025-01065-z

Jurnal məlumatı: Nature Machine Intelligence Lids Universiteti tərəfindən təmin edilmişdir