I ricercatori del Politecnico di Zurigo hanno sviluppato un sistema robotico in grado di risolvere un gioco di labirinti del mondo reale utilizzando l'apprendimento per rinforzo.\u00a0<\/b><\/p>\n
Come dettagliato in <\/span>il loro studio<\/span><\/a> Con il titolo \"Sample-Efficient Learning to Solve a Real-World Labyrinth Game Using Data-Augmented Model-Based Reinforcement Learning\", questo robot dotato di intelligenza artificiale ha padroneggiato il gioco del labirinto BRIO in sole cinque ore di addestramento, superando qualsiasi tentativo precedente.<\/span><\/p>\n Il gioco del labirinto di BRIO, che potrebbe risultare familiare ad alcuni, \u00e8 una prova di motricit\u00e0 fine e di ragionamento spaziale che richiede ai giocatori di navigare una palla d'acciaio attraverso un labirinto inclinando il campo di gioco.\u00a0<\/span><\/p>\n Nonostante la sua apparente semplicit\u00e0, il gioco \u00e8 complesso a causa della relazione tra la palla e le pareti, delle irregolarit\u00e0 della superficie e della dinamica non lineare delle manopole di controllo. Queste sfide rendono il labirinto ideale per l'applicazione e la valutazione di metodi di apprendimento robotico all'avanguardia.<\/span><\/p>\n Il team del Politecnico di Zurigo, guidato da Thomas Bi e dal professor Raffaello D'Andrea, ha sviluppato un metodo che estrae osservazioni efficienti dal labirinto utilizzando le immagini delle telecamere.\u00a0<\/span><\/p>\n Il processo di apprendimento dell'intelligenza artificiale si basa sull'apprendimento per rinforzo basato su un modello, utilizzando una funzione di ricompensa definita dal progresso attraverso il labirinto.<\/span><\/p>\n Dopo l'addestramento, il robot AI ha navigato con successo nel labirinto con una percentuale di successo di 76% e un tempo medio di completamento di 15,73 secondi. Questo risultato \u00e8 leggermente migliore del miglior record umano di 15,95 secondi.<\/span><\/p>\n Il sistema utilizza una telecamera per catturare immagini dall'alto verso il basso, estraendo dati cruciali come la posizione della palla e la disposizione del labirinto. Apprendimento automatico <\/span>Le tecniche di osservazione speculare migliorano i dati di addestramento, generando dati pi\u00f9 diversificati e migliorando la generalizzazione.<\/span><\/p>\n Questa ricerca rappresenta un notevole passo avanti nell'applicazione dell'IA in ambienti dinamici e reali. Il team dell'ETH ha intenzione di rendere open source il proprio progetto, ritenendo che il sistema possa fungere da valido punto di riferimento nel mondo reale per ulteriori ricerche sull'IA, grazie ai suoi bassi requisiti di spazio, al costo modesto e alla semplice configurazione hardware.<\/span><\/p>\n Ulteriori risultati sono stati pubblicati <\/span>su questo sito web,<\/span><\/a> e qui di seguito potete vedere un video che illustra il funzionamento del sistema robotico.\u00a0<\/span><\/p>\nCome ha funzionato lo studio\u00a0<\/span><\/h2>\n