Agar mekanisme robot belajar berjalan, tidak cukup hanya "melekatkan" beberapa kaki padanya. Belajar bergerak adalah proses yang sangat kompleks yang memerlukan banyak masa kepada pembangun. Tetapi sekarang masalah ini akan diselesaikan dengan kecerdasan buatan, kerana sekumpulan pakar telah membuat algoritma universal yang membantu AI mengajarkan robot apa sahaja konfigurasi untuk bergerak. Dalam kes ini, campur tangan manusia dalam proses ini tidak diperlukan.
Di belakang perkembangannya adalah pasukan saintis dari University of California di Berkeley dan sekumpulan pakar dari Google Brain, salah satu cabang penyelidikan Google mengenai kecerdasan buatan. Sistem baru mereka melatih robot berkaki empat untuk melintasi kawasan yang biasa dan yang tidak dikenali.
Pembelajaran pengukuhan pada dasarnya adalah kaedah lobak merah dan tongkat yang disesuaikan untuk AI. Dia menggunakan ganjaran atau hukuman untuk mencapai atau tidak mencapai matlamat.
Untuk eksperimen, saintis mengambil robot Minitaur. Mereka mengembangkan sistem yang terdiri dari stesen kerja yang mengemas kini data jaringan saraf, memuatkan maklumat ke Minitaur, dan memunggahnya kembali. Cip NVIDIA Jetson TX2 yang berada di atas robot bertanggungjawab untuk memproses maklumat. Robot itu berjalan selama 2 jam dan mengambil 160,000 langkah. Selama ini, algoritma memberi ganjaran kepada robot kerana bergerak maju dan menghukumnya jika tersekat di tempat atau memberikan gulungan yang sangat besar ke sisi. Akibatnya, algoritma pergerakan dibuat yang membolehkan robot memilih lintasan pergerakan yang optimum dalam situasi apa pun.
Vladimir Kuznetsov
