Тем временем исследователи из University of Massachusetts Amherst и University of Michigan научили робопса кататься на скейте.
Хотя, конечно, главная цель была не в трюках ради лайков. Они решили одну из ключевых задач в робототехнике — научили робота самому понимать, когда и как переключаться между разными режимами движения. Без заранее прописанных сценариев, разметки траекторий и прочих нудных штук.
Например, в случае со скейтом — когда именно надо балансировать, когда отталкиваться лапами, а когда просто держать равновесие, пока доска катится. Это всё называется гибридной динамикой, когда у робота есть плавные движения, и резкие переключения между ними.
Для этого исследователи придумали подход DHAL — Discrete-time Hybrid Automata Learning. По сути, это такая обучающая схема на основе обучения с подкреплением, которая позволяет роботу самому находить моменты смены режимов и корректно на них реагировать.
Проверили всё это на симуляциях и на реальном робопсе, который теперь бодро гоняет на скейте.
Даже робо-собака смогла научиться, а я нет :(
Тут статья про метод обучения
Neural Shit

Для связи: @krasniy_doshik
№ 4930992211
Similar Channels



Проклятые нейронные сети: понимание и влияние на современный мир
Нейронные сети, являющиеся частью более широкого поля искусственного интеллекта, становятся все более значимыми в нашей повседневной жизни. Их создание и развитие начали в середине 20 века, когда исследователи начали имитировать работу человеческого мозга, чтобы достичь понимания и обработки данных. С тех пор нейронные сети прошли через несколько этапов развития, от простейших архитектур до сложных моделей, таких как глубокие нейронные сети. Эти технологии применяются в самых различных сферах, включая медицину, финансы, автопилоты в автомобилях и многое другое. Однако с увеличением использования нейронных сетей также возникают и опасения. Обсуждения вокруг этики, безопасности и потенциальных злоупотреблений становятся всё более актуальными. В этой статье мы рассмотрим, что такое нейронные сети, их применение, а также вызовы и вопросы, с которыми сталкивается общество в свете их роста и интеграции в повседневную жизнь.
Что такое нейронные сети?
Нейронные сети - это класс алгоритмов машинного обучения, которые предназначены для распознавания шаблонов и обработки данных. Они состоят из слоев взаимосвязанных узлов (нейронов), которые работают аналогично нейронам в человеческом мозге. Каждое соединение между нейронами имеет вес, который корректируется в процессе обучения нейронной сети на большом объеме данных.
Основная идея нейронных сетей заключается в том, чтобы учить алгоритм находить зависимости и структуру в данных, что делает их особенно полезными для задач, таких как классификация изображений, распознавание речи и прогнозирование временных рядов.
В каких сферах применяются нейронные сети?
Нейронные сети находят широкое применение во многих областях, включая здравоохранение, где они помогают в диагностике заболеваний, анализе медицинских изображений и прогнозировании исходов лечения. Кроме того, они используются в финансовом секторе для анализа рынка и управления рисками, а также в сфере автономного вождения для распознавания объектов и принятия решений в реальном времени.
Также нейронные сети применяются в искусственном интеллекте для создания чат-ботов, системы рекомендаций и даже в сценарном письме для фильмов и игр, что значительно расширяет возможности креативной работы.
Каковы основные вызовы, связанные с использованием нейронных сетей?
Среди основных вызовов можно выделить проблемы интерпретируемости моделей, когда пользователи могут не понимать, каким образом алгоритм принимает решения. Это создает препятствия для доверия к системам, основанным на нейронных сетях, особенно в критически важных областях, таких как здравоохранение и право.
Другой важной проблемой является возможность предвзятости в данных, на которых обучаются нейронные сети. Если данные необъективны или неполны, это может привести к принятию неправильных решений и усилению существующих социальных предрассудков.
Как нейронные сети влияют на рынок труда?
С одной стороны, машинное обучение и нейронные сети создают новые рабочие места в высоких технологиях, таких как разработка AI, анализ данных и управление проектами. С другой стороны, они могут угрожать традиционным рабочим местам, особенно в тех сферах, которые подвержены автоматизации, например в производстве и логистике.
Таким образом, важно переобучать рабочую силу и создавать новые программы образования, чтобы подготовить людей к требованиям рынка труда, где технологии будут играть центровую роль.
Какие перспективы ждут нейронные сети в будущем?
Будущее нейронных сетей выглядит многообещающим. Ожидается, что они будут продолжать развиваться, улучшая свои способности в обработке данных и принятии решений. Однако, наряду с техническим прогрессом, будет важно развивать этические стандарты и законодательства для их безопасного и справедливого использования.
Также могут появиться новые применения нейронных сетей, такие как создание полностью автономных систем, что приведет к революционным изменениям в бизнесе, общественной жизни и даже в образовании.
Neural Shit Telegram Channel
Проклятые нейронные сети
"Neural Shit" - это канал, который исследует тему нейронных сетей и всего, что с ними связано. Здесь вы найдете увлекательные исследования, новости и обсуждения о том, как нейронные сети влияют на нашу жизнь. Этот канал подойдет как для профессионалов в области искусственного интеллекта, так и для тех, кто только начинает разбираться в этой теме. Участвуйте в обсуждениях, делитесь своим мнением и узнавайте новое о захватывающем мире нейронных сетей. Для связи и обсуждений присоединяйтесь к нашему каналу @krasniy_doshik.