loading...

jadiid

بازدید : 286
شنبه 10 خرداد 1399 زمان : 22:57

محققان مرکز روبرت بوش برای سیستم های فیزیکی سایبر در بنگلور هند ، اخیراً چارچوبی شبیه سازی را برای مطالعه منظم تأثیر تحریک مفصل ستون فقرات بر عملکرد حرکتی روبات های چهار گوش پیشنهاد داده اند. در مطالع، خود ، در مقاله ای که از قبل در مورد arXiv منتشر شده است ، آنها از این چارچوب برای بررسی رفتارهای ستون فقرات یک روبات چهار پا به نام Stoch 2 و تأثیرات آن بر عملکرد محدود کننده آن استفاده کردند.


Shounak Bhattacharya ، یکی از محققانی که این تحقیق را انجام داده است ، به TechXplore گفت: "این تحقیق در حالی صورت گرفته است که اساس حرکت حرکتی سریع در حیوانات چهار ربات و روبات ها را بررسی می کند. حیوانات چهارسر از انعطاف پذیری ستون فقرات خود برای بهبود سرعت حرکت و بهره وری انرژی استفاده می کنند. این استفاده از انعطاف پذیری ، الهام بخش روباتیک ها است تا مفهوم را با جزئیات بیشتری مورد بررسی قرار دهند تا بتوانند با استفاده از ابزارهای ریاضی موجود ، راه حلی برای این مشکل پیدا کنند. "

بر خلاف محققان قبلی ، Bhattacharya و همکارانش تصمیم گرفتند رفتارهای ستون فقرات روبات های چهار دست با استفاده از تکنیک های یادگیری ماشین را بررسی کنند. هدف اصلی از مطالعه آنها استفاده از یادگیری تقویت عمیق (D-RL) برای تحقق هماهنگی پیچیده بین ستون فقرات و پاها در روبات ها بود.

باتاچاریا گفت: "در یک چارچوب D-RL ، یادگیری از ابتدا می تواند به سیاست های بهتر و قوی تر از گنجاندن راهنمایی انسان منجر شود." "با این حال ، یادگیری از ابتدا شامل چندین شکست اولیه قبل از تولید سیاست کار است. در این کار ، بیش از 2 میلیون مرحله قبل از دستیابی به یک سیاست فعال و قابل استفاده مورد نیاز بود."


انجام بسیاری از آزمایشات به طور مستقیم بر روی سخت افزار ربات نیاز به زمان و منابع زیادی دارد. بنابراین محققان تصمیم گرفتند که در PyBullet ، یک ربات و محیط آن را شبیه سازی کنند ، یک ماژول پایتون که موتور فیزیک Bullet را با رباتیک و قابلیت یادگیری ماشین تقویت می کند. در مطالعه خود ، آنها از PyBullet برای ارزیابی اثرات تحریک مفصل ستون فقرات بر عملکرد محدود Stoch 2 ، یک ربات چهار ضلعی 16-DOF استفاده کردند.

وی گفت: "ما مدل ربات را در این محیط آموزش دادیم و مشاهده کردیم که الگوریتم یادگیری یک تمرین کامل را در 4 ساعت انجام می دهد ، زمانی که حداکثر 10 میلیون مرحله اجرا شود ، روی رایانه شخصی که توسط یک Intel Core i7 در 3.5Ghz با 12 هسته ساخته شده است. و حافظه رم 32 گیگابایت ، "Bhattacharya گفت. "استفاده از چارچوب شبیه سازی باعث کاهش زمان در هر آموزش و ضرورت آزمایش روی سخت افزار شده است."



محققان با استفاده از PyBullet به عنوان یک چارچوب یادگیری برای روبات خود ، به نتایج بسیار امیدوارکننده ای دست یافتند. یافته هایی که در طی شبیه سازی ها جمع آوری شده نشان می دهد که استفاده فعال از ستون فقرات در واقع باعث افزایش طول و روانی حمل و نقل ربات می شود ، ضمن اینکه فرکانس طبیعی را به مقادیر واقع گرایانه تر کاهش می دهد. در نهایت ، استوچ 2 به سرعت محدود کننده 2.1 متر بر ثانیه دست یافت و حداکثر تعداد فروید 2 را بدست آورد.

این مطالعه با نظارت چهار عضو هیئت علمی در انستیتوی علوم هند: Shishir Kolathaya ، Ashitava Ghosal ، Bharadwaj Amrutur و Shalabh Bhatnagar ، بخشی از پروژه گسترده تری به نام Walking Robot است. در آینده ، این می تواند محققان دیگر را ترغیب کند از همان چارچوب شبیه سازی استفاده کنند تا رفتارهای ستون فقرات روبات ها و عملکرد حرکتی متعاقب آن را تقویت کنند.

باتاچاریا گفت: "ما هماهنگی ستون فقرات و پا را از طریق چارچوبی مبتنی بر D-RL به دست آوردیم که باعث افزایش راندمان انرژی و سرعت چهار برابر شد ." "لازم به ذکر است که همه این رفتارها از ابتدا و بدون درک مکانیکی ستون فقرات به دست آمده است. در کار بعدی ما قصد داریم شبکه عصبی را بر روی سخت افزار مستقر کرده و خط مشی آموخته شده را به طور مستقیم اجرا کنیم."

محققان مرکز روبرت بوش برای سیستم های فیزیکی سایبر در بنگلور هند ، اخیراً چارچوبی شبیه سازی را برای مطالعه منظم تأثیر تحریک مفصل ستون فقرات بر عملکرد حرکتی روبات های چهار گوش پیشنهاد داده اند. در مطالع، خود ، در مقاله ای که از قبل در مورد arXiv منتشر شده است ، آنها از این چارچوب برای بررسی رفتارهای ستون فقرات یک روبات چهار پا به نام Stoch 2 و تأثیرات آن بر عملکرد محدود کننده آن استفاده کردند.


Shounak Bhattacharya ، یکی از محققانی که این تحقیق را انجام داده است ، به TechXplore گفت: "این تحقیق در حالی صورت گرفته است که اساس حرکت حرکتی سریع در حیوانات چهار ربات و روبات ها را بررسی می کند. حیوانات چهارسر از انعطاف پذیری ستون فقرات خود برای بهبود سرعت حرکت و بهره وری انرژی استفاده می کنند. این استفاده از انعطاف پذیری ، الهام بخش روباتیک ها است تا مفهوم را با جزئیات بیشتری مورد بررسی قرار دهند تا بتوانند با استفاده از ابزارهای ریاضی موجود ، راه حلی برای این مشکل پیدا کنند. "

بر خلاف محققان قبلی ، Bhattacharya و همکارانش تصمیم گرفتند رفتارهای ستون فقرات روبات های چهار دست با استفاده از تکنیک های یادگیری ماشین را بررسی کنند. هدف اصلی از مطالعه آنها استفاده از یادگیری تقویت عمیق (D-RL) برای تحقق هماهنگی پیچیده بین ستون فقرات و پاها در روبات ها بود.

باتاچاریا گفت: "در یک چارچوب D-RL ، یادگیری از ابتدا می تواند به سیاست های بهتر و قوی تر از گنجاندن راهنمایی انسان منجر شود." "با این حال ، یادگیری از ابتدا شامل چندین شکست اولیه قبل از تولید سیاست کار است. در این کار ، بیش از 2 میلیون مرحله قبل از دستیابی به یک سیاست فعال و قابل استفاده مورد نیاز بود."


انجام بسیاری از آزمایشات به طور مستقیم بر روی سخت افزار ربات نیاز به زمان و منابع زیادی دارد. بنابراین محققان تصمیم گرفتند که در PyBullet ، یک ربات و محیط آن را شبیه سازی کنند ، یک ماژول پایتون که موتور فیزیک Bullet را با رباتیک و قابلیت یادگیری ماشین تقویت می کند. در مطالعه خود ، آنها از PyBullet برای ارزیابی اثرات تحریک مفصل ستون فقرات بر عملکرد محدود Stoch 2 ، یک ربات چهار ضلعی 16-DOF استفاده کردند.

وی گفت: "ما مدل ربات را در این محیط آموزش دادیم و مشاهده کردیم که الگوریتم یادگیری یک تمرین کامل را در 4 ساعت انجام می دهد ، زمانی که حداکثر 10 میلیون مرحله اجرا شود ، روی رایانه شخصی که توسط یک Intel Core i7 در 3.5Ghz با 12 هسته ساخته شده است. و حافظه رم 32 گیگابایت ، "Bhattacharya گفت. "استفاده از چارچوب شبیه سازی باعث کاهش زمان در هر آموزش و ضرورت آزمایش روی سخت افزار شده است."



محققان با استفاده از PyBullet به عنوان یک چارچوب یادگیری برای روبات خود ، به نتایج بسیار امیدوارکننده ای دست یافتند. یافته هایی که در طی شبیه سازی ها جمع آوری شده نشان می دهد که استفاده فعال از ستون فقرات در واقع باعث افزایش طول و روانی حمل و نقل ربات می شود ، ضمن اینکه فرکانس طبیعی را به مقادیر واقع گرایانه تر کاهش می دهد. در نهایت ، استوچ 2 به سرعت محدود کننده 2.1 متر بر ثانیه دست یافت و حداکثر تعداد فروید 2 را بدست آورد.

این مطالعه با نظارت چهار عضو هیئت علمی در انستیتوی علوم هند: Shishir Kolathaya ، Ashitava Ghosal ، Bharadwaj Amrutur و Shalabh Bhatnagar ، بخشی از پروژه گسترده تری به نام Walking Robot است. در آینده ، این می تواند محققان دیگر را ترغیب کند از همان چارچوب شبیه سازی استفاده کنند تا رفتارهای ستون فقرات روبات ها و عملکرد حرکتی متعاقب آن را تقویت کنند.

باتاچاریا گفت: "ما هماهنگی ستون فقرات و پا را از طریق چارچوبی مبتنی بر D-RL به دست آوردیم که باعث افزایش راندمان انرژی و سرعت چهار برابر شد ." "لازم به ذکر است که همه این رفتارها از ابتدا و بدون درک مکانیکی ستون فقرات به دست آمده است. در کار بعدی ما قصد داریم شبکه عصبی را بر روی سخت افزار مستقر کرده و خط مشی آموخته شده را به طور مستقیم اجرا کنیم."

نظرات این مطلب

تعداد صفحات : -1

درباره ما
موضوعات
لینک دوستان
آمار سایت
  • کل مطالب : 26
  • کل نظرات : 0
  • افراد آنلاین : 1
  • تعداد اعضا : 0
  • بازدید امروز : 3
  • بازدید کننده امروز : 1
  • باردید دیروز : 1
  • بازدید کننده دیروز : 0
  • گوگل امروز : 0
  • گوگل دیروز : 0
  • بازدید هفته : 9
  • بازدید ماه : 14
  • بازدید سال : 32
  • بازدید کلی : 8475
  • <
    پیوندهای روزانه
    آرشیو
    اطلاعات کاربری
    نام کاربری :
    رمز عبور :
  • فراموشی رمز عبور؟
  • خبر نامه


    معرفی وبلاگ به یک دوست


    ایمیل شما :

    ایمیل دوست شما :



    کدهای اختصاصی