Ένα ζευγάρι ανθρωποειδών ποδιών ρομπότ αξίας 2.500 δολαρίων, κατασκευασμένο από εξαρτήματα τρισδιάστατης εκτύπωσης και εξαρτήματα εκτός ραφιού, δεν πρόκειται να κερδίσει έναν μαραθώνιο. Ωστόσο, ένα τέτοιο σχετικά φθηνό υλικό επιτρέπει στους ερευνητές να δοκιμάσουν και να εκπαιδεύσουν πιο εύκολα το λογισμικό ρομποτικής που βασίζεται σε AI σε ένα φυσικό σώμα κατά τη διάρκεια πειραμάτων στον πραγματικό κόσμο.
Νέο διαθέσιμο Ανθρωποειδές LeRobot Το έργο προέρχεται από την πλατφόρμα μηχανικής μάθησης και ανάπτυξης AI Hugging Face. Η κυκλοφορία πλήρους στοίβας δίνει στους κατασκευαστές και τους ερευνητές ρομπότ πρόσβαση σε λογαριασμούς υλικών, αρχεία για εξαρτήματα με δυνατότητα εκτύπωσης 3D, τεκμηρίωση καλωδίωσης και οδηγίες φυσικής συναρμολόγησης, αλλά περιλαμβάνει επίσης εργαλεία λογισμικού για τη βαθμονόμηση και τον έλεγχο του ρομπότ τόσο σε φυσικά σώματα όσο και σε προσομοιώσεις.
«Αν ψάχνετε για το πιο προηγμένο ανθρωποειδές ρομπότ, δεν είναι αυτό», έγραψε Virgil BattoΈνας μηχανικός ρομποτικής με αγκαλιασμένο πρόσωπο, ο Α Ανάρτηση ιστολογίου Συν-συγγραφέας με άλλους συναδέλφους. «Αν ψάχνετε για ένα ανθρωποειδή που μπορείτε να χρησιμοποιήσετε για να κατασκευάσετε, να κατανοήσετε, να επισκευάσετε, να μηχανογραφήσετε, να προσομοιώσετε και να μάθετε πειράματα, αυτό είναι το ρομπότ που προσπαθούμε να κατασκευάσουμε».
Η ομάδα του Hug Face στόχευε σε μια «πρακτική ισορροπία μεταξύ της οικονομικής τιμής, της μηχανικής απόδοσης και της ευκολίας συναρμολόγησης». Ο σχεδιασμός, χτισμένος γύρω από εκτυπώσιμα εξαρτήματα, υλικό εκτός ραφιού και προσιτές ενεργοποιητές και ηλεκτρονικά, σημαίνει ότι η δίποδη ρομποτική πλατφόρμα μπορεί εύκολα να τροποποιηθεί και να αλλάξει για να επιτρέψει γρήγορο πειραματισμό και ανάπτυξη, αντί να είναι ένα “μοναδικό πρωτότυπο κατάλληλο για επιδείξεις”.
Σύμφωνα με τον Batto και τους συνεργάτες του, ο στόχος τέτοιων σχεδίων είναι να επιτρέψουν έναν πιο αναπαραγώγιμο “βρόχο σχεδίασης πλήρους ρομπότ” στον οποίο τα ρομπότ σχεδιασμένα σε προσομοίωση μπορούν να δοκιμαστούν και να επαληθευτούν σε φυσικά πειράματα. Με τη σειρά τους, δεδομένα από δοκιμές σε πραγματικό κόσμο μπορούν να βοηθήσουν στην ενημέρωση και τη βελτίωση των προσομοιώσεων που χρησιμοποιούνται για την εκπαίδευση της συμπεριφοράς του ρομπότ.
