Framework Permite a los Robots Realizar Tareas Interactivas en Orden Secuencial

Framework para tareas secuenciales en robots

.fav_bar { float:left; border:1px solid #a7b1b5; margin-top:10px; margin-bottom:20px; } .fav_bar span.fav_bar-label { text-align:center; padding:8px 0px 0px 0px; float:left; margin-left:-1px; border-right:1px dotted #a7b1b5; border-left:1px solid #a7b1b5; display:block; width:69px; height:24px; color:#6e7476; font-weight:bold; font-size:12px; text-transform:uppercase; font-family:Arial, Helvetica, sans-serif; } .fav_bar a, #plus-one { float:left; border-right:1px dotted #a7b1b5; display:block; width:36px; height:32px; text-indent:-9999px; } .fav_bar a.fav_de { background: url(../images/icons/de.gif) no-repeat 0 0 #fff } .fav_bar a.fav_de:hover { background: url(../images/icons/de.gif) no-repeat 0 0 #e6e9ea } .fav_bar a.fav_acm_digital { background:url(‘../images/icons/acm_digital_library.gif’) no-repeat 0px 0px #FFF; } .fav_bar a.fav_acm_digital:hover { background:url(‘../images/icons/acm_digital_library.gif’) no-repeat 0px 0px #e6e9ea; } .fav_bar a.fav_pdf { background:url(‘../images/icons/pdf.gif’) no-repeat 0px 0px #FFF; } .fav_bar a.fav_pdf:hover { background:url(‘../images/icons/pdf.gif’) no-repeat 0px 0px #e6e9ea; } .fav_bar a.fav_more .at-icon-wrapper{ height: 33px !important ; width: 35px !important; padding: 0 !important; border-right: none !important; } .a2a_kit { line-height: 24px !important; width: unset !important; height: unset !important; padding: 0 !important; border-right: unset !important; border-left: unset !important; } .fav_bar .a2a_kit a .a2a_svg { margin-left: 7px; margin-top: 4px; padding: unset !important; }

La navegación interactiva requiere que un robot alcance una ubicación objetivo mientras interactúa con obstáculos en el camino, lo cual ha demostrado ser lo más difícil de aprender para los robots. ¶ Crédito: Georgia Tech Research

Un marco desarrollado por Niranjan Kumar, estudiante de doctorado del Instituto de Tecnología de Georgia, permite a los robots cuadrúpedos realizar tareas que se vuelven progresivamente más complejas sin tener que volver a aprender movimientos.

El marco de Aprendizaje Residual Composicional Cascado (CCRL) actúa como una biblioteca donde cada nueva habilidad aprendida por el robot se agrega y luego se accede para lograr habilidades más complejas.

El marco fue demostrado por un robot que utiliza transferencia de energía para abrir una puerta pesada.

Actualmente, un robot puede aprender y desplegar 10 habilidades utilizando el CCRL.

Kumar dijo: “Solo lleva más tiempo entrenar a medida que se van agregando más habilidades, porque ahora la política también tiene que descubrir cómo incorporar todas estas habilidades en diferentes situaciones. Pero teóricamente, puedes seguir agregando más habilidades indefinidamente siempre que tengas un ordenador lo suficientemente potente para ejecutar las políticas”. Desde el Instituto de Tecnología de Georgia Ver artículo completo

Derechos de autor de los resúmenes © 2023 SmithBucklin , Washington, D.C., EE. UU.

We will continue to update Zepes; if you have any questions or suggestions, please contact us!

Share:

Was this article helpful?

93 out of 132 found this helpful

Discover more

Inteligencia Artificial

AI Surge El CEO de Stability AI predice pérdidas de empleo para los desarrolladores indios en un plazo de 2 años

A medida que la revolución de la IA se desarrolla, el mundo presencia tanto los posibles beneficios como las preocupa...

Inteligencia Artificial

Una revisión exhaustiva de los modelos de difusión de video en el Contenido Generado por Inteligencia Artificial (CGIA)

La Inteligencia Artificial está en auge, al igual que su subcampo, es decir, el dominio de la Visión por Computadora....

Inteligencia Artificial

Este artículo de IA hace público HyperDreamer un avance en la creación de contenido 3D con texturizado avanzado, modelado de 360 grados y edición interactiva

No es fácil generar modelos en 3D detallados y realistas a partir de una sola imagen RGB. Investigadores del Laborato...