راه رفتن طبیعی انسان‌نما با استفاده از یادگیری تقویتی توسط Figure AI

شرح خبر

شرکت Figure AI از توسعه یک شبکه عصبی end-to-end خبر داد که با استفاده از یادگیری تقویتی (RL) برای حرکت انسان‌نما آموزش دیده است. این فناوری به ربات انسان‌نما Figure 02 امکان می‌دهد تا با شبیه‌سازی فیزیک با دقت بالا، راه رفتن مشابه انسان را در مدت زمان کوتاهی بیاموزد. در این روش، هزاران ربات مجازی با پارامترهای مختلف در سناریوهای گوناگون آموزش دیده‌اند تا سیاستی واحد برای کنترل همه آن‌ها ایجاد شود. این سیاست قادر است بدون نیاز به تنظیمات اضافی، به صورت zero-shot به سخت‌افزار واقعی منتقل شود و راه رفتن مقاوم و انسان‌مانندی را فراهم کند. استفاده از تصادفی‌سازی دامنه در شبیه‌سازی و بازخورد گشتاور با فرکانس بالا در ربات، شکاف بین شبیه‌سازی و واقعیت را پر می‌کند و امکان مقیاس‌پذیری این فناوری را در ناوگان گسترده ربات‌ها فراهم می‌آورد. شرکت Figure AI یک شبکه عصبی end-to-end را معرفی کرد که با یادگیری تقویتی (RL) برای حرکت انسان‌نما آموزش دیده است. این شبکه در شبیه‌سازی فیزیک شتابدهی شده توسط GPU آموزش دیده و سال‌ها داده را در چند ساعت جمع‌آوری کرده است. هزاران ربات Figure 02 مجازی به صورت موازی شبیه‌سازی شده‌اند و هر کدام با پارامترهای فیزیکی منحصر به فرد در معرض سناریوهای مختلف قرار گرفته‌اند. سیاست شبکه عصبی واحد یاد گرفته است که همه آن‌ها را کنترل کند، از جمله مواجهه با زمین‌های مختلف، تغییرات در دینامیک عملگرها و واکنش به لغزش‌ها و فشارها. این سیاست با استفاده از تصادفی‌سازی دامنه و کنترل بازخورد گشتاور با نرخ kHz به سخت‌افزار واقعی منتقل می‌شود و راه رفتن مقاوم و انسان‌مانندی را فراهم می‌کند. این پیشرفت نشان‌دهنده گامی بزرگ در جهت توسعه ربات‌های انسان‌نما با توانایی حرکت طبیعی و مقاوم است. استفاده از یادگیری تقویتی برای آموزش ربات‌ها در شبیه‌سازی، زمان و هزینه توسعه را به طور قابل توجهی کاهش می‌دهد. علاوه بر این، توانایی انتقال سیاست‌های آموزش‌دیده به سخت‌افزار واقعی بدون نیاز به تنظیمات اضافی، امکان مقیاس‌پذیری این فناوری را در ناوگان گسترده ربات‌ها فراهم می‌آورد. این فناوری می‌تواند چرخه‌های توسعه محصول را تسریع کند و هزینه‌های مهندسی را کاهش دهد. شرکت‌ها می‌توانند از ربات‌های انسان‌نما برای انجام وظایف مختلف در صنایع گوناگون استفاده کنند، که این امر می‌تواند بهره‌وری را افزایش و هزینه‌های عملیاتی را کاهش دهد. ایران می‌تواند از این فناوری برای توسعه ربات‌های صنعتی و خدماتی استفاده کند، که می‌تواند در صنایع مختلف از جمله نفت، گاز، و تولید استفاده شود. این امر می‌تواند به افزایش بهره‌وری و کاهش وابستگی به نیروی کار انسانی کمک کند. این فناوری می‌تواند چالش‌های حقوقی جدیدی را در زمینه مسئولیت و ایمنی ربات‌ها ایجاد کند. علاوه بر این، ممکن است نیاز به تنظیم مقررات جدید برای استفاده از ربات‌های انسان‌نما در محیط‌های عمومی و صنعتی باشد. توسعه ربات‌های انسان‌نما می‌تواند تأثیرات ژئوپلیتیکی داشته باشد، به ویژه در زمینه رقابت‌های فناوری بین کشورها. کشورهایی که توانایی توسعه و استقرار این فناوری را دارند، می‌توانند از مزایای اقتصادی و نظامی بهره‌مند شوند. Figure AI به عنوان یک شرکت پیشرو در زمینه رباتیک انسان‌نما، این خبر را منتشر کرده است تا پیشرفت‌های خود را در زمینه یادگیری تقویتی و حرکت ربات‌ها به نمایش بگذارد. Figure AI با استفاده از یادگیری تقویتی، شبکه عصبی end-to-end برای حرکت انسان‌نما توسعه داد. این فناوری امکان راه رفتن مقاوم و انسان‌مانند را فراهم می‌کند.

این صفحه خلاصه و تحلیل فارسی خبر را نمایش می‌دهد. نسخه کامل/اصلی از طریق لینک منبع در دسترس است.