Populaire Berichten

Editor'S Choice - 2019

Baanbrekende software leert computerpersonages lopen, rennen en zelfs voetballen

Anonim

Computerkarakters en uiteindelijk robots kunnen complexe motorische vaardigheden leren, zoals wandelen en proefondervinden, dankzij een mijlpaalalgoritme dat is ontwikkeld door een onderzoeker van de Universiteit van British Columbia.

advertentie


"We maken fysiek gesimuleerde mensen die leren om met vaardigheid en behendigheid door hun omgeving te bewegen", zegt Michiel van de Panne, een UBC hoogleraar informatica die dit onderzoek vandaag presenteert op SIGGRAPH 2017, 's werelds grootste computergraphics en interactieve techniek conferentie. "We leren computerpersonages leren om te reageren op hun omgeving zonder de vereiste strategieën handmatig te hoeven coderen, zoals hoe je het evenwicht kunt handhaven of een pad kunt plannen door obstakels te verplaatsen, in plaats daarvan kunnen deze gedragingen worden geleerd."

Het werk, DeepLoco genaamd, biedt een alternatieve manier om menselijke beweging in games en film te animeren in plaats van de huidige methode die gebruik maakt van acteurs en motion capture camera's of animators. Met DeepLoco kunnen personages automatisch bewegen op manieren die zowel realistisch als aandachtig zijn voor hun omgeving en doelen. In de toekomst kunnen robots met twee of vier poten leren navigeren door hun omgeving zonder de juiste regels handmatig te moeten coderen.

Met behulp van zijn algoritme hebben gesimuleerde personages geleerd over een smal pad te lopen zonder eraf te vallen, om te voorkomen dat ze tegen mensen of andere bewegende obstakels aanlopen, en zelfs een voetbal naar een doel te dribbelen.

De methode maakt uitgebreid gebruik van deep reinforcement learning, een type algoritme voor machine learning waarin ervaring wordt opgedaan met vallen en opstaan ​​en wordt geïnformeerd door beloningen. In de loop van de tijd identificeert het systeem geleidelijk betere acties die moeten worden ondernomen in bepaalde situaties.

"Het is als het leren van een nieuwe sport, " zei van de Panne. "Tot je het probeert, weet je niet waar je op moet letten. Als je leert snowboarden, weet je misschien niet dat je je gewicht op een bepaalde manier moet verdelen tussen je tenen en je hielen. strategieën die het best worden geleerd, omdat ze heel moeilijk te coderen of op een andere manier te ontwerpen zijn. "

De beweging van mens en dier wordt niet alleen bepaald door fysica, maar ook door controle. Terwijl mensen motorische controle leren door vallen en opstaan, zegt van de Panne dat het moeilijk is om te zeggen hoezeer het algoritme het menselijk leerproces nabootst. Het computerprogramma leert immers nog steeds veel langzamer dan een mens. Hij begon te werken aan dit type motorisch leerprobleem toen hij kinderen kreeg; ze zijn nu 17 en 20.

"Ik herinner me duidelijk dat ik me afvroeg wie eerst wendbare loop- en loopvaardigheden zou leren: mijn zoon, dochter of het algoritme?" hij zei. "Mijn zoon en dochter hebben me lang geslagen."

Bekijk hier een video: //youtu.be/15IyqCwTV4A

advertentie



Verhaal Bron:

Materialen geleverd door University of British Columbia . Opmerking: inhoud kan worden bewerkt voor stijl en lengte.