平衡控制 将是未来机器人的一大重点
近些年随着人工智能以及硬件技术的发展,越来越多的机器人被研发出来,而近些年的机器人和此前机器人有了很大的区别,那就是在智能学习以及深度学习方面,机器人可以通过后天的训练来强化某种行为。此前爱丁堡大学的研究人员就开发出了一款基于深度强化学习的机器框架,通过智能运算来控制人形机器人的平衡策略。他们的框架目前发布在arXiv,而且在国际论坛上也发表了论文演讲,论文中还提到,未来的机器人可以实现比传统控制器更好的平衡效果。
在人类的日常行为当中,人们通过在行走或者直立时一些潜在的技巧来控制身体的平衡,这些潜在的动作包括脚跟的滚动以及脚趾的倾斜,这样使得人们在走路的过程中产生良好的间隙,而机器人可以模仿人类的这种动作来实现很好的平衡性。
此前爱丁堡大学的研究人员提到,他们目前的研究重点是,通过深度RL来解决人形态的机器人在动态运动过程中的平衡问题。在过去几年间,机器人的运动主要是通过传统的分析,来进行动作反馈,也就是基于模型来完成每一项动作。但是现如今随着越来越多的人形态机器人被生产出来,而且应用领域越来越广泛,使得人形态机器人的平衡性需要极大的提升。
所以一些科研人员想到的就是,要开发一种比传统工程更加有效的特定的控制器,这样在人形态的机器人进行运动时,就可以减少一些手动的和人工的调整。当然在使用RL还有其他的有点,其中显著的一个优点就是可以让机器人的计算处理进行离线处理,从而使得人形态机器人在线时的性能会更加快速。
随着目前RL算法越来越强大,使得越来越多的机器研究中会应用到RL算法,而一些科技公司也会通过深度RL来解决控制问题。通过使用深度学习来获得更加具有多样化的策略控制。
目前爱丁堡大学研究出来的框架,底层是使用深度RL来达到机器的控制策略。这些策略可以不间断的接受机器人的各种状态,从而以较低的频率来实现所需要关节的调整角度。
而且在实验当中,研发出来的控制器可以十分灵敏的进行控制主体,与主体的反馈频率也非常高,使得可以很好的保证机器人的整体运动。通过处理器中的高级神经网络计算出来机器在每次行进中需要进行的角度调整,在将该信号准确的传输到机器人各个关节当中,最终执行机体的反馈动作。
目前研究人员已经将第一代产品完全开发出来,并且进行了一系列的测试环节,并且在试验当中取得了不错的成果。此外他们还发现,可以将控制工程方法转入到RL算法当中,这样可以更加顺利的视线机器人的平衡控制策略。
随着RL算法的不断反复实验,使得人形机器人在平衡方面已经初步成效。在碰到新的环境下,人形机器人可以在不需要人工干预的情况下,就能够做出正确的选择。当然这种反馈需要在日后的研发中不断去升级,除了实时的处理速度,传输到每个关节时的应变以及材质都需要进行大量的改良设计。
在机器人领域,深度强化学习可以说是一种非常强大的工具,它在机器人实现平衡控制性方面展现出巨大的作用,目前这套深度强化学习算法可以让机器人很好的学习人类的行为,比如移动脚跟或倾斜脚趾等微妙的动作,来控制自身的平衡性,这在此前的传统机器行业是无法做到的。
爱丁堡大学的研究人员也继续致力于他们的研究当中,将通过更成熟的技术来制造更好的机器人,如果这些技术可以取得一定的成果,那么在未来的机器人当中将会得到广泛的应用。
喜欢我的文章请为我点赞并分享,最后记得关注我哦。
申明:本文由《小云爱科技》原创,图片来源于网络