机器之心报导
机器之心编纂部
机器狗不只能跑能跳,踢足球、当守门员都很行。
让一个机器狗担任足球守门员,靠谱吗?靠不靠谱,我们先看看效果鄙人结论。
工做人员一次很暖和的进攻,机器狗拦住了球:
加点难度,来个抛物线进球,也不再话下:
用手抛球有做弊嫌疑?用脚尝尝,机器狗也能把球门守的死死的
展开全文
有趣的是,该研究还测验考试让一只机器狗踢球,另一只当守门员,两只机器狗本身也能玩挺好:
看完效果,觉得机器狗当守门员还挺靠谱。那款机器狗是 MIT 在 2019 年研发的 Mini Cheetah,如今来自加州大学伯克利分校等机构的研究者为 Mini Cheetah 摆设了一个新的强化进修框架,让它完成足球守门使命,守门胜利率高达 87.5%。
论文地址:
4 米开外踢球
Mini Cheetah 仅用不到 1 秒胜利守门
让 Mini Cheetah 学会守门仍是一件比力难的事,因为那涉及物体(例如球)抛出的高度以及动态挪动的位置,详细而言,一方把持一个快速挪动的球,球的标的目的和位置不确定,而另一方需要敏捷判断球的位置以阻遏进球。想要完成那一使命,需要教会机器人动态挪动它的身体,同时确保它的脚 (或脸) 抵达它们需要及时阻挠球的处所,那根本上是将两个难题连系在一路。
该研究的处理办法是将运动掌握器与末端施行器轨迹规划相连系,如许一来就能够找到更佳的办法让 Mini Cheetah 在球抵达目的不到一秒的时间内,停止阻挠。
完成上述过程,还需要训练 Mini Cheetah 掌握一套有用的守门员技能,例如 Mini Cheetah 需要掌握在空中附近和靠近空中的处所对球停止侧身拦截、掌握爬升抵达球门的下角手艺、跳跃到球门的顶部和上角。做完那些动做,Mini Cheetah 都能够恢复并最末平安着陆。每个技能的参考动做都是手动编程的,在模仿中停止训练,然后间接迁徙到机器人上。
Mini Cheetah 防卫的球门宽 1.5m,高 0.9m,球(3 号)从约 4m 外踢出,球被外部跟踪,然后 Mini Cheetah 拦球。让那么小的机器狗完成拦球动做,其表示是令人印象深入的。
该研究表白,那款机器狗系统能够将在仿实中进修到的动态动做和守门员技能迁徙到一个实正的四足机器人上,在现实世界中,对随机射门的守门胜利率为 87.5%。而人类足球守门员的均匀胜利率是 69%。研究人员表达,他们所提出的框架能够扩展到其他场景,例如多技能足球。
下面我们来看看撑持那款机器狗的背后框架。
分层强化进修框架
起首,让四足机器人做足球守门员是一个很有挑战性的问题,因为它必需要同时处理预测物体运动轨迹和机器人捕捉非抓握物体(球体)两个现实问题。机器人需要在很短的时间内(凡是不到一秒)对空中飞翔的球做出反响并拦截。
为了完成那个挑战,研究团队提出了一个分层无模子强化进修 (RL) 框架。该框架包罗一个针对差别运动技能的多个掌握战略,笼盖了目的的差别区域。
那些掌握战略让机器人可以跟踪随机参数化末端施行器的轨迹,同时施行特定的运动技能,例如跳跃拦球、扑球和顺势拦住空中滚动的球。
RL 框架中包罗一个高级规划器,它搀扶帮助机器人确定所需的运动技能和规划末端施行器轨迹,以拦截飞向差别目的区域的球。
该研究在 MIT 2019 年提出的 Mini Cheetah 四足机器人上摆设了上述 RL 框架,尝试表白那种 RL 框架可以让四足机器人有效拦截现实世界中快速挪动的球。
此前对四足机器人 RL 框架的研究次要集中在初级运动掌握上,例如让机器人按要求速度步行、模仿参考运动。而该研究提出的框架将进修到的运动技能扩展到更高级此外使命上,胜利利用高级规划让四足机器人以敏捷的动做切确拦截快速挪动的足球。那对四足机器人的高级规划掌握具有重要意义。
参考链接: