Un gruppo di ricercatori dell’Università di Edimburgo ha annunciato, tramite uno studio pubblicato su arXiv, la creazione di un nuovo modello basato sull’apprendimento di rinforzo profondo per far sì che eventuali robot futuri possano assomigliare sempre di più agli esseri umani per quanto riguarda l’equilibrio, soprattutto quando i robot dovranno camminare.
Questo nuovo modello potrebbe permettere ai robot di bilanciare meglio il proprio corpo robotico in maniera simile a come fanno gli esseri umani. Questi ultimi, infatti, quando stanno in piedi oppure quando camminano usano in maniera innata, e anche abbastanza efficacemente, varie tecniche per mantenere l’equilibrio in più situazioni.
Ad esempio l’inclinazione delle dita dei piedi o vari movimenti del tallone per creare una distanza più adeguata tra la suola del piede e il terreno.
Replicare questi comportamenti potrebbe favorire moltissimo i robot umanoidi nel corso delle loro capacità motorie e di movimento.
Il tutto grazie agli algoritmi basati sul machine learning che, macinando un quantitativo sempre più grande di dati, permettono di creare modelli anche per queste complicatissime dinamiche.
Fonti e approfondimenti
- Using reinforcement learning to achieve human-like balance control strategies in robots (IA)
- [1809.02074] Emergence of Human-comparable Balancing Behaviors by Deep Reinforcement Learning (arXiv:1809.02074v1) (IA)
Articoli correlati
- Iran presenta suo nuovo robot umanoide, Surena Mini (29/4/2017)
- Sviluppato ghepardo robotico (20/4/2017)
- Deep learning per prevedere le onde oceaniche (29/9/2017)
- Algoritmo di machine learning che prevede morte prematura sviluppato da ricercatori britannici (31/3/2019)
- Robot potrebbe presentare telegiornale in Giappone (31/1/2018)
- Apprendimento automatico usato per prevedere terremoti (23/10/2017)
- Deep learning usato per studiare la formazione delle galassie, (24/4/2018)
- Macchine e robot svolgeranno il 52% dei lavori entro il 2025 (17/9/2018)
Commenta per primo
Devi accedere per postare un commento.