AI世界杯:婴儿训练的模拟机器人赢得“ROBOCUP”

拿着橄榄球(足球)的机器人胳膊的图象。足球运动机器人培训使用真正的婴儿步行路径进球并赢得更多的游戏,而不是培训的机器人,培训直线,圆圈或正方形:神经毒物的边界雷竞技rebat

这项研究对临床医生和物理治疗师,以及人工智能研究人员都有意义。图片:在上面

与训练成走直线、圆形或正方形的机器人相比,训练成使用真实婴儿行走路径走路的足球机器人进了更多的球,赢得了更多的比赛

——前沿科学作家塔尼娅·彼得森(Tanya雷竞技rebat Petersen

在对其同类的第一次研究中,研究人员调查摩托技术发展婴幼儿生成的步行路径培训模拟足球(足球) - 游戏机器人。在一个模拟的锦标赛中,他们发现婴儿走的越多,机器人团队的表现越好。出版于雷竞技rebat神经毒性学中的边界调查结果表明,各种在适应性和精通运动技能的发展中是重要的。该研究还展示了使用婴儿行为发展的潜力人工智能(AI)。


品种胜利:足球手工机器人和婴儿散步
阅读原始文章
下载原始文章(PDF)


该研究在模拟游戏中测试了机器人。在第一届比赛中,研究人员将培训的模拟机器人足球队的表现与婴儿的自然途径训练的模拟机器人足球队的表现进行了比较,以训练在不那么多变,几何路径,如直线,圆圈和正方形。婴儿训练有素的团队一直赢了1,000头头模拟足球比赛。

在第二场比赛中,研究人员比较了在不同的真实婴儿行走路径群上训练的机器人队伍。研究人员发现,采用路径形状、步向、步数、起点和终点数组合最多样化的团队,比采用较少多样化路径的团队表现更好。

引导作者Osi Ossmy博士Justine Hooch.他说,研究结果表明,多样性是支持功能性行走能力的关键特征。

“婴儿必须学会在动态世界中生成和解释新信息。但如何?步行是非常有创造力的。每一步都不会以同样的方式重复。婴儿经常跑来跑去,脑子里似乎没有明确的目标。虽然这通常被认为是不成熟的反映,但婴儿自然变化的训练机制实际上可能有利于学习走路。”

Ossmy和Hoch表示,该研究对想要培训功能性的临床医生和物理治疗师的相关性具有相关性,自适应运动技巧如行走。同样有趣的是,对婴儿行为的观察也可以向人工智能提供研究。


有关的:人工智能欺骗光学幻觉,就像人类一样


“我们的调查结果支持不断增长的文学体系,表明婴儿的发展培训可能构成有促进学习和泛化的有序课程。随着技术和数据科学的进步,使得收集,存储和分析大型数据集的贸易,量化婴幼儿的自然训练投入越来越多。“

研究人员谨慎,在目前的研究中,无法知道可变行走的哪些具体方面有助于婴儿培训的机器人专业团队俯瞰所有其他培训的团队。沿着这些线路的未来研究可能会对使日常行走经验如此有益的东西提供重要的见解。

他们现在正在使用类似的方法来调查不同培训课程之间的关系,以及错误惩罚(例如跌倒)对学习的影响。Ossmy和Hoch表示,他们看到了进一步工作的巨大机会。

“发展科学令人惊叹的速度缓慢,并能从AI仿真的速度和控制中受益。AI是众所周知的数据饥饿和发展研究人员已经开始积累关于婴儿的大型数据 - 自然最灵活的学习机器。我们希望我们的新数据将在发育科学和AI方面刺激进步。“


原文:品种胜利:足球手工机器人和婴儿散步

再出版指南:开放获取和共享研究是一部分雷竞技rebat前沿的使命。除非另有说明,你可以重新发表发表在前沿新闻博客上的文章——只要你包含一个链接回到原来的研究。雷竞技rebat雷竞技公司这些物品是不允许出售的。

留下一个回复

填写以下详细信息,或单击图标以登录:

Gravatar.
WordPress.com徽标

你在用你的WordPress.com账户评论。登出/改变

谷歌照片

您正在使用您的Google帐户评论。登出/改变

Twitter图片

您正在使用您的Twitter帐户评论。登出/改变

Facebook的照片

您正在评论使用您的Facebook帐户。登出/改变

连接到%s