返回资讯中心
外部精选
软件工程
#开发者实时流

研究团队用仿真强化学习让5吨装载机完成双轮特技动作

来源标题:Heavy Metal Acrobatics

研究团队通过仿真强化学习训练策略并迁移到现实,成功让一台John Deere 332G五吨滑移装载机自主完成双轮平衡、崎岖地形行驶、旋转和铲斗摆动等特技动作。这些动作此前仅少数顶尖操作员在世界纪录表演中完成。该成果旨在推动建筑、采矿等重型机械自动化。

Hacker News 最新throwaway3840342026/11/18 · 今天4 分钟阅读

以下正文由 AI 翻译自 Hacker News 最新(原文版权归原站所有),可能存在偏差,重要内容请以原文为准。

摘要 重型机械的自动化为提高建筑、采矿和物料搬运等机械化行业的生产率提供了机会。然而,此类机器的自动化因其复杂的动力学特性而面临挑战,部分原因在于液压驱动涉及流体、柔性元件和非线性延迟。另一个随之而来的挑战是这些机器的尺寸和重量,这使得在物理系统上进行实验可能极其危险。在此,我们展示了一种方法:先在仿真环境中进行强化学习(RL),再将学习到的策略从仿真迁移到现实,能够成功实现使重型工程机械达到其驱动极限的特技动作自动化——这些动作此前仅有少数顶尖人类操作员在官方世界纪录表演中完成过。我们在 John Deere 332G(一台可运行的五吨级滑移装载机)上训练了执行自主特技动作的策略。这些策略能够自主将机器摆动至两轮着地状态,并在两轮平衡的同时,在崎岖地形上行驶、描绘指定轨迹、旋转,以及前后摆动铲斗,最终安全地落回四轮着地。这项工作表明,强化学习和仿真到现实的迁移能够实现重型机械的动态自主控制,直接推动了重型设备行业更高程度的自动化。

正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。

打开原文
去社区讨论 →