На сайте MITNewsofficewebsite некоммерческие организации, пресса и широкая общественность могут получить доступ к загружаемым изображениям на условиях лицензии CreativeCommonsAttributionNon- CommercialNoDerivativeslicense. Эти изображения не должны подвергаться изменениям, за исключением уменьшения до необходимого размера. При воспроизведении изображений необходимо указывать аккредитив. Если конкретный аккредитив не указывается, следует указать" MIT". " Недавно исследователи Массачусетского технологического института разработали технологиюAI, которая позволяет роботу создавать рабочие планы по управлению объектами, используя всю руку, а не только кончики пальцев. Эта модель позволяет генерировать эффективные планы примерно за одну минуту, используя для этого обычный и жесткий ноутбук. В эксперименте участвовал робот, пытавшийся повернуть ведро на 180 градусов. На рисунках изображены роботы, выполняющие различные задачи контактно- рихманипуляционного характера: манипулирование мячом, захват тарелки и ориентация пианино. Человек прекрасно справляется с манипуляцией всем телом, а роботы испытывают трудности с выполнением простых задач. Для робота каждая возможная точка, где он может контактировать со своими пальцами, руками и торсами, представляет собой контакт, который необходимо учитывать. При наличии огромного количества потенциальных контактов планирование выполнения задачи быстро становится непрактичным. Однако исследователи Массачусетского технологического института открыли метод упрощения этого процесса, известный как планирование контактно- ричмановских манипуляций, с использованием техникиAI, называемой сглаживанием. Суммируя множество контактных событий в несколько решений, даже простой алгоритм может достаточно точно определить эффективный план манипуляций для робота. Хотя этот метод находится на ранних стадиях, он потенциально может позволить Этот фактор позволяет использовать более мелкие мобильные роботы, которые могут манипулировать объектами с помощью своих рук, а не полагаться на более крупные роботизированные руки, имеющие только возможность захвата пальцами. Кроме того, этот метод может быть полезен для роботов, развернутых в экспедициях по исследованию небесных тел, таких как Марс, позволяя им быстро адаптироваться к окружающей среде с помощью бортовых компьютеров. В статье, опубликованной в журнале IEEETransactionsonRobotics, также приводятся материалы, подготовленные студентом факультета электротехники и компьютерных наук Луцзе Яном и профессором кафедры электротехники и компьютерных наук, аэронавтики и астронавтики, механической инженерии и членом лаборатории компьютерных наук и искусственного интеллекта( CSAIL) Руссом Тедрейком( ToyotaProfessorofElectricalEngineeringandComputerScience, AeronauticsandAstronautics, andMechanicalEngineering). В статье рассматривается концепция принудительного обучения, в рамках которой робот учится выполнять задания в условиях проб и ошибок с помощью системы, основанной на прогрессе в достижении цели. Хотя обучение с применением подкрепления доказало свою эффективность для планирования контактных манипуляций, оно требует значительного объема вычислений для определения множества потенциальных точек контакта для эффективного манипулирования объектом с помощью пальцев, рук, кистей и тела робота.

Однако подходы, основанные на физике, не были столь успешными, как обучение с применением подкрепления при планировании контактных манипуляций. Заинтригованный этим несоответствием, Суханд Панг провел подробный анализ и определил, что сглаживание- технический прием, усредняющий неважные опосредованные решения, - позволяет обучению с применением подкрепления достигать отличных результатов. Для того чтобы прояснить этот момент, исследователи Массачусетского технологического института разработали простую модель, в которой используется механизм сглаживания, позволяющий сфокусироваться на основных взаимодействиях между роботом и объектом, что привело к точным прогнозам на длительный срок. Исследователи продемонстрировали, что подход, основанный на модели, может генерировать полные планы так же эффективно, как и обучение с применением силы, но в значительно более короткие сроки. Исследователи объединили модель с алгоритмом, способным эффективно искать все возможные решения, которые может принять робот, что позволило сократить время вычислений примерно до одной минуты на стационарном и жестком ноутбуке. Этот подход был опробован на имитационных моделях и на реальных роботизированных орудиях, в результате чего были получены сопоставимые результаты, но при этом время вычислений значительно сократилось. По словам Тедрейка, профессора кафедры электротехники и компьютерных наук, аэронавтики и астронавтики, механики и инженерии, члена компанииCSAIL, данное исследование показывает, что идея сглаживания, заимствованная из обучения методам армирования, может позволить использовать традиционные методы планирования исключительно эффективно, Однако исследователи отмечают, что упрощенное приближение модели к реальному миру ограничивает возможности обработки высокодинамичных движений, таких как падение предметов. Хотя этот подход эффективен для медленных задач манипулирования людьми, он не может создать план, например, для брошенного в мусорное ведро самолета. Исследователи планируют и дальше совершенствовать свой технический пакет для борьбы с высокодинамичными движениями. Они намереваются внедрить более климатоориентированные усилия в правительствах всех уровней. Читайте полный рассказ о студенте магистратуры и соучредителе движения" Восход солнца". В рамках еще одной исследовательской работы ученые Массачусетского технологического института создали всеобъемлющий атлас моделей, в котором подробно показано, как нейроны червя C. elegans кодируют его поведение. Они сделали свои выводы доступными на сайте" WormWideWeb". " Кроме того, исследователи разработали новый подход, который позволяет хвостатым летательным аппаратам, идеально подходящим для поиска и спасения, планировать и выполнять сложные высокоскоростные акробатические маневры. Читайте полный текст статьи для получения дополнительной информации.