Agar mekanisme robotik belajar berjalan, tidak cukup hanya dengan "memasang" beberapa kaki padanya. Belajar pindah adalah proses yang sangat kompleks yang membutuhkan banyak waktu bagi pengembang. Tapi sekarang masalah ini akan diselesaikan dengan kecerdasan buatan, karena sekelompok ahli telah membuat algoritma universal yang membantu AI mengajarkan robot dari konfigurasi apa pun untuk bergerak. Dalam hal ini, campur tangan manusia dalam proses ini tidak diperlukan.
Di belakang pengembangan tersebut adalah tim ilmuwan dari University of California di Berkeley dan sekelompok ahli dari Google Brain, salah satu cabang penelitian Google tentang kecerdasan buatan. Sistem baru mereka melatih robot berkaki empat untuk melintasi medan yang sudah dikenal dan yang tidak dikenal.
Pembelajaran penguatan pada dasarnya adalah metode wortel dan tongkat yang diadaptasi untuk AI. Dia menggunakan penghargaan atau hukuman untuk mencapai atau tidak mencapai tujuan.
Untuk percobaan, ilmuwan mengambil robot Minitaur. Mereka mengembangkan sistem yang terdiri dari stasiun kerja yang memperbarui data jaringan saraf, memuat informasi ke Minitaur, dan melepaskannya kembali. Chip NVIDIA Jetson TX2 di atas robot bertanggung jawab untuk pemrosesan informasi. Robot berjalan selama 2 jam dan mengambil 160.000 langkah. Selama waktu ini, algoritme memberi penghargaan pada robot karena bergerak maju dan menghukumnya jika macet di tempatnya atau memberikan gulungan yang sangat besar ke samping. Hasilnya, algoritme gerakan dibuat yang memungkinkan robot memilih lintasan gerakan yang optimal dalam situasi apa pun.
Vladimir Kuznetsov
