Forskere fra ETH Z\u00fcrich har udviklet et robotsystem, der kan l\u00f8se et labyrintspil i den virkelige verden ved hj\u00e6lp af forst\u00e6rkningsl\u00e6ring.\u00a0<\/b><\/p>\n
Som beskrevet i <\/span>deres unders\u00f8gelse<\/span><\/a> \"Sample-Efficient Learning to Solve a Real-World Labyrinth Game Using Data-Augmented Model-Based Reinforcement Learning\", denne AI-drevne robot mestrede BRIO-labyrintspillet p\u00e5 bare fem timers tr\u00e6ningsdata, hvilket overgik alle kendte tidligere fors\u00f8g.<\/span><\/p>\n BRIO-labyrintspillet, som nogle m\u00e5ske kender, er en test af finmotorik og rumlig forst\u00e5else, hvor spillerne skal navigere en st\u00e5lkugle gennem en labyrint ved at vippe spillepladen.\u00a0<\/span><\/p>\n P\u00e5 trods af sin tilsyneladende enkelhed er spillet komplekst p\u00e5 grund af forholdet mellem bolden og v\u00e6ggene, uregelm\u00e6ssigheder i overfladen og ikke-line\u00e6r dynamik i kontrolknapperne. Disse udfordringer g\u00f8r labyrinten ideel til at anvende og evaluere avancerede robotindl\u00e6ringsmetoder.<\/span><\/p>\n Teamet fra ETH Z\u00fcrich, ledet af Thomas Bi og professor Raffaello D'Andrea, har udviklet en metode, der udtr\u00e6kker effektive observationer fra labyrinten ved hj\u00e6lp af kamerabilleder.\u00a0<\/span><\/p>\n AI'ens l\u00e6ringsproces er baseret p\u00e5 modelbaseret forst\u00e6rkningsl\u00e6ring med en bel\u00f8nningsfunktion, der er defineret af fremskridt gennem labyrinten.<\/span><\/p>\n Efter tr\u00e6ningen navigerede AI-robotten med succes gennem labyrinten med en succesrate p\u00e5 76% og en gennemsnitlig gennemf\u00f8relsestid p\u00e5 15,73 sekunder. Det er lidt bedre end den bedste menneskelige rekord p\u00e5 15,95 sekunder.<\/span><\/p>\n Systemet bruger et kamera til at tage top-down-billeder og udtr\u00e6kke vigtige data som kuglens position og labyrintens layout. Maskinel indl\u00e6ring <\/span>teknikker spejlede observationer for at forbedre tr\u00e6ningsdataene, generere mere forskelligartede data og forbedre generaliseringen.<\/span><\/p>\n Denne forskning er et stort skridt fremad i anvendelsen af kunstig intelligens i dynamiske milj\u00f8er i den virkelige verden. ETH-teamet planl\u00e6gger at open source deres projekt og mener, at deres system kan tjene som et v\u00e6rdifuldt benchmark i den virkelige verden for yderligere AI-forskning p\u00e5 grund af dets lave pladsbehov, beskedne omkostninger og enkle hardwareops\u00e6tning.<\/span><\/p>\n Yderligere resultater er offentliggjort <\/span>p\u00e5 denne hjemmeside,<\/span><\/a> og du kan se en video af, hvordan det sp\u00e6ndende robotsystem fungerer nedenfor.\u00a0<\/span><\/p>\nS\u00e5dan fungerede unders\u00f8gelsen\u00a0<\/span><\/h2>\n