Un portiere robotico a quattro zampe basato sull’apprendimento per rinforzo

Un portiere robotico a quattro zampe basato sull'apprendimento per rinforzo

Credito: Huang et al.

I ricercatori dell’Hybrid Robotics Group dell’UC Berkeley, della Simon Fraser University e del Georgia Institute of Technology hanno recentemente creato un modello di apprendimento per rinforzo che consente a un robot quadrupede di giocare a calcio in modo efficiente nel ruolo di portiere. Il modello introdotto in un paper pre-pubblicato su arXiv, migliora le abilità del robot nel tempo, attraverso un processo di tentativi ed errori.

“Lasciando che i quadrupedi giochino a calcio, possiamo spingere i limiti dell’intelligenza artificiale dei robot con le gambe atletiche”, Xiaoyu Huang, Zhongyu Li, Yanzhen Xiang, Yiming Ni, Yufeng Chi, Yunhao Li, Lizhi Yang, Xue Bin Peng e Koushil Sreenath , hanno detto a TechXplore i ricercatori che hanno condotto lo studio. “Il portiere è un compito interessante ma impegnativo che richiede al robot di reagire alla palla in rapido movimento, a volte volando in aria, e di intercettarlo utilizzando manovre dinamiche in un lasso di tempo molto breve (di solito entro un secondo). Risolvendo questo , possiamo così anche ottenere informazioni su come creare robot con gambe intelligenti e dinamici”.

L’obiettivo chiave del recente lavoro di Huang e dei suoi colleghi era quello di creare un portiere robot a quattro zampe in grado di perfezionare le sue abilità mentre gioca, proprio come farebbe un portiere umano. Per fare ciò, i ricercatori hanno sviluppato un modello di apprendimento per rinforzo che addestra il robot tramite un processo di tentativi ed errori, piuttosto che attraverso una strategia fissa, progettata dall’uomo.

“Il robot impara prima le diverse politiche di controllo della locomozione per eseguire abilità distinte, come il passo laterale, l’immersione e il salto, mentre tiene traccia delle traiettorie casuali per le dita dei piedi del robot”, hanno spiegato i ricercatori. “Sulla base di queste politiche di controllo, il robot apprende quindi una politica di pianificazione di alto livello per selezionare un’abilità e un movimento ottimali per intercettare la palla dopo aver esaminato la posizione della palla rilevata e gli stati del robot”.

Un portiere robotico a quattro zampe basato sull'apprendimento per rinforzo

Credito: Huang et al.

I ricercatori hanno addestrato il loro modello di apprendimento per rinforzo in una serie di simulazioni di partite di calcio. Successivamente, hanno implementato le politiche apprese sul Mini Cheetah, un vero robot quadrupede sviluppato presso il Massachusetts Institute of Technology (MIT) e ne hanno testato le prestazioni nel mondo reale.

È stato scoperto che il framework di apprendimento per rinforzo creato da Huang e dai suoi colleghi migliora notevolmente le capacità del robot Mini Cheetah come portiere di calcio. Nei test del mondo reale del team, il robot è stato in grado di salvare l’87,5% di 40 colpi casuali.

“Penso che l’aspetto più interessante del nostro lavoro sia che, utilizzando il nostro metodo proposto, il robot quadrupede Mini Cheetah è in grado di eseguire abilità di locomozione molto dinamiche e agili, come saltare e tuffarsi, nonché abilità di manipolazione veloci e precise, come come spingere via la palla usando le sue gambe oscillanti in un lasso di tempo molto breve”, hanno detto i ricercatori. “Questo in realtà spinge i confini della locomozione con le gambe, dimostrando che la gamba può anche essere un manipolatore, proprio come può essere per gli esseri umani”.

In futuro, il modello di apprendimento per rinforzo creato da questo team di ricercatori potrebbe essere utilizzato per migliorare le prestazioni dei robot progettati per partecipare a RoboCup e altre competizioni di calcio robotico. Inoltre, il loro modello potrebbe essere utilizzato per migliorare l’agilità e le capacità fisiche dei robot quadrupedi progettati per affrontare compiti completamente diversi, come le missioni di ricerca e salvataggio.

Un portiere robotico a quattro zampe basato sull'apprendimento per rinforzo

Credito: Huang et al.

“Ci auguriamo di poter consentire ai robot quadrupedi di competere con i giocatori di calcio umani nel prossimo futuro”, hanno aggiunto i ricercatori. “I robot devono eseguire una più ampia varietà di movimenti dinamici e agili e ottenere più intelligenza nel gioco del calcio”.


Un framework di apprendimento per rinforzo per migliorare le abilità di tiro a calcio dei robot quadrupedi


Maggiori informazioni:
Xiaoyu Huang et al, Creazione di un portiere robotico quadrupede dinamico con apprendimento per rinforzo.

arXiv:2210.04435v1 [cs.RO]arxiv.org/abs/2210.04435

© 2022 Scienza X Rete

Citazione: Un portiere robotico a quattro zampe basato sull’apprendimento per rinforzo (2022, 25 ottobre) recuperato il 25 ottobre 2022 da https://techxplore.com/news/2022-10-learning-based-four-legd-robotic-goalkeeper.html

Questo documento è soggetto a copyright. Al di fuori di qualsiasi correttezza commerciale a fini di studio o ricerca privati, nessuna parte può essere riprodotta senza il permesso scritto. Il contenuto è fornito a solo scopo informativo.

Leave a Comment

Your email address will not be published. Required fields are marked *