Исследователи из U2IS, ENSTA Paris представили новую модель на основе глубокого обучения, которая может улучшить способности имитации движений гуманоидных роботов.
Эта технология может быть весьма полезной, позволяя роботам максимально точно повторять движения человека в реальном времени, обучаясь выполнять повседневные задачи без длительного предварительного программирования системы.
Модель разбивает процесс имитации человека роботом на три ключевых этапа: оценку позы, перенос движения и управление роботом. Сначала используются алгоритмы оценки позы для предсказания последовательности положений суставов, определяющих движения, продемонстрированные человеком. Затем модель транслирует эту последовательность в аналогичные положения суставов, которые реалистично может принять тело робота. Эти транслированные последовательности используются для планирования движений робота, теоретически позволяя ему выполнять задачу.
Хотя первые тесты показали неудовлетворительные результаты, исследователи планируют провести дополнительные эксперименты, чтобы выявить потенциальные проблемы и улучшить производительность модели. Несмотря на текущие ограничения, новые методы глубокого обучения все равно могут стать ключевым элементом развития робототехники в будущем.
