2025-06-19 17:19
發(fā)布
管理員
共發(fā)布：1126篇
由于機(jī)器學(xué)習(xí)算法，一只機(jī)器人狗可以在短短20分鐘內(nèi)學(xué)習(xí)在不熟悉和難以提高的地形（例如草，樹皮和遠(yuǎn)足徑）上行走。
大多數(shù)自主機(jī)器人必須經(jīng)過人類仔細(xì)編程或在模擬場景中進(jìn)行廣泛測試，然后才能執(zhí)行現(xiàn)實(shí)世界中的任務(wù)，例如走上巖石山或濕滑的斜坡 - 當(dāng)他們遇到陌生的環(huán)境時，他們傾向于掙扎。
現(xiàn)在，加州大學(xué)伯克利分校的Sergey Levine及其同事表明，使用一種機(jī)器學(xué)習(xí)的機(jī)器人稱為“深鋼筋學(xué)習(xí)”可以弄清楚如何在幾個不同的環(huán)境中走到20分鐘的時間里，例如草坪，一層樹皮，一層樹皮，記憶泡沫墊和一條遠(yuǎn)足步道。
機(jī)器人使用一種稱為Q-學(xué)習(xí)的算法，該算法不需要目標(biāo)地形的工作模型。這種機(jī)器學(xué)習(xí)算法通常用于模擬。萊文說：“我們不需要了解環(huán)境的物理學(xué)實(shí)際運(yùn)作方式，我們只是將機(jī)器人放入環(huán)境中并打開環(huán)境?！?/p>
取而代之的是，機(jī)器人會對其執(zhí)行的每個動作獲得一定的獎勵，具體取決于預(yù)定義的目標(biāo)的成功。它不斷地重復(fù)此過程，同時比較其先前的成功，直到學(xué)習(xí)走路為止。
“從某種意義上說，這與人們的學(xué)習(xí)方式非常相似，”加州大學(xué)伯克利分校的團(tuán)隊(duì)成員Ilya Kostrikov說?！芭c某些環(huán)境互動，獲得一些實(shí)用性，基本上只是考慮您過去的經(jīng)驗(yàn)，并嘗試了解可以改善的事情?！?/p>
盡管機(jī)器人可以學(xué)習(xí)在遇到的每個新表面上行走，但萊文說，如果機(jī)器人要學(xué)習(xí)其他技能，團(tuán)隊(duì)將需要微調(diào)模型的獎勵系統(tǒng)。
克里斯·沃特金斯（Chris Watkins）在倫敦大學(xué)皇家霍洛威（Royal Holloway）的克里斯·沃特金斯（Chris Watkins）說，由于必須同時進(jìn)行相互作用的不同變量和數(shù)據(jù)，因此在現(xiàn)實(shí)世界中進(jìn)行深入的學(xué)習(xí)工作非常困難。
沃特金斯說：“我認(rèn)為這給人留下了深刻的印象。”“老實(shí)說，我有些驚訝的是，您可以使用像Q學(xué)習(xí)一樣簡單的東西來學(xué)習(xí)技能，例如在實(shí)時經(jīng)驗(yàn)很少，如此迅速的不同表面上行走。”
參考： arxiv.org/abs/2208.07860
首頁