ربات چهارپا نقطه ای بوستون داینامیکس بر چرخش های پشت سر پیوسته تسلط دارد

در بیست و هشتم، Boston Dynamics اعلام کرد که ربات چهارپا آن، Spot، به مانورهای پیچیده ای مانند چرخش های پشت سر پیوسته دست یافته است. فناوری اصلی از میلیون ها چرخه آموزشی یادگیری تقویتی سرچشمه می گیرد. تیم تحقیق و توسعه برای اولین بار فاش کرد که نتایج شبیه‌سازی اولیه، زمانی که به ربات واقعی منتقل می‌شود، «تقریباً هر بار با شکست مواجه می‌شود». مهندس آرون کومار اعتراف کرد: "ما صدها بار روی تشک های ژیمناستیک افتادیم قبل از اینکه جرات کنیم آن را روی بتن امتحان کنیم."

عقبگردهای به ظاهر خودنمایی در واقع با هدف بقا در سناریوهای شدید است. داده های رسمی نشان می دهد که یادگیری تقویتی سرعت تنظیم وضعیت Spot را در صورت افتادن یا لغزش تا 40 درصد افزایش داده است و به طور موثر از ده ها هزار دلار از سنسورهای پشت آن محافظت می کند، مانند LiDAR. یک امتیاز غیرمنتظره این است که به دلیل کنترل دینامیکی بهینه، راه رفتن ربات بیشتر شبیه راه رفتن یک سگ واقعی شده است. چرخش مفصل 15 درصد کاهش یافته است، هماهنگی اندام در زمین های ناهموار تا 22 درصد بهبود یافته است و حتی می تواند با غلتک های نصب شده روی پاهای جلویی خود تعادل را حفظ کند.

این پیشرفت به میراث ماندگار خانواده اسپات ادامه می‌دهد: از ثابت ماندن پس از ضربه خوردن در سال 2015 تا اکنون انجام یک چرخش برگشتی برای نجات خود، Boston Dynamics در حال تبدیل "آموزش آزمون و خطا" به یک مزیت تجاری است. مشخص شده است که الگوریتم جدید برای سناریوهای{2}}پرخطر مانند بازرسی خطوط لوله نفت اعمال شده است. یک مشتری انرژی کاهش 67 درصدی در میزان تصادف Spot در خطوط لوله لغزنده را گزارش کرد. کومار می‌گوید: «بازی‌های برگشتی پایان بازی نیستند». ما به آن یاد می‌دهیم که «سقوط‌ها را پیش‌بینی کند» تا بتواند بهتر از انسان‌ها از خود محافظت کند.»