Tim istraživača sa Sveučilišta Georgia Tech razvio je novi okvir za strojno učenje koji omogućuje humanoidnom robotu hodanje po pijesku, šljunku, vlažnoj travi, padinama, stepenicama i skliskim površinama. Istovremeno smanjuje vrijeme i računalnu snagu potrebnu za obuku.

Istraživači su uvjereni kako njihov pristup "Nauči poučavati" poboljšava popularnu metodu učenja s potkrepljenjem koja obuhvaća učitelja i učenika tako što obučava oba agenta istovremeno, umjesto jednog za drugim. Rezultat je kontroler koji može podnijeti teren na kojem nikada nije obučavan, a uz to zahtijeva manje računalnih resursa.

Kontroler je testiran na humanoidnom robotu s dvije noge, koji je uspješno prešao niz izazovnih vanjskih i unutarnjih površina. Tim je također gurao i vukao robota tijekom eksperimenata, a on je prilagođavao svoj hod kako bi ostao stabilan.

Smanjivanje jaza imitacije

Tradicionalno učenje s potkrepljenjem oslanja se na prvo stvaranje modela "učitelja" s pristupom detaljnim podacima simulacije. Nakon što je potpuno obučen, učitelj prenosi svoje znanje modelu "učenika" koji kontrolira pravog robota.

Taj proces ima dva glavna nedostatka: potrebno je previše vremena za njihovo sekvencijalno obučavanje i gubi sepuno informacija koje je učitelj prikupio. Umjesto čekanja dok učitelj savlada zadatak, tim Georgia Techa obučavao je učitelja i učenika zajedno. Kako je učitelj postupno učio, odmah je počeo prenositi znanje učeniku, značajno skraćujući proces obuke.

Istraživači su također omogućili učitelju učenje iz iskustava učenika. To je smanjilo ono što robotičari nazivaju jazom imitacije učitelja i učenika, gdje se učenik susreće sa situacijama koje se razlikuju od idealizirane simulacije učitelja.

Novi kontroler je postavljen na humanoidnog robota pune veličine. Navigirao je po neravnom vanjskom terenu i skliskim unutarnjim površinama bez oslanjanja na zasebne kontrolere za različita okruženja. Nešto od testiranja zabilježeno je na videu.

Istraživači nisu očekivali kako će isti kontroler tako dobro funkcionirati u brojnim različitim uvjetima. Čak je nadmašio softver koji je isporučio proizvođač robota, pokazujući vrijednost kombiniranja istraživanja strojnog učenja sa stvarnom robotikom. Isti okvir poučavanja mogao bi biti primijenjen na druge dizajne robota i zadatke koji zahtijevaju pouzdano kretanje u nepredvidivim okruženjima.

Istraživanje je predstavljeno na IEEE Međunarodnoj konferenciji o robotici i automatizaciji.