Con este robot de Boston Dynamics se han demostrado nuevos niveles de robustez y agilidad en una variedad de terrenos.
Se ha considerado la locomoción bajo una variedad de cargas externas que pueden influir significativamente en la dinámica general del sistema.
En muchas aplicaciones, los robots necesitarán mantener una locomoción robusta bajo una amplia gama de cargas dinámicas potenciales, como tirar de un carro o transportar un gran contenedor de líquido que se desborda, idealmente sin requerir capacidades adicionales de detección de carga.
Entonces se exploraron las capacidades del aprendizaje por refuerzo (RL) y la transferencia de simulación a realidad para la locomoción bípeda bajo cargas dinámicas usando solo retroalimentación propioceptiva.
Las políticas de RL anteriores capacitadas para la locomoción sin carga fallan para algunas cargas y se logró que la capacitación en el contexto de las cargas es suficiente para generar políticas exitosas y mejoradas.
También se compararon políticas especializadas de entrenamiento para cada carga versus una política única para todas las cargas consideradas y se analizaron cómo cambian los modos de andar resultantes para acomodar diferentes cargas.
Fuente: arXiv
Recientemente, Sanctuary AI presentó su mano robótica que ahora es capaz de manipular objetos. (more…)
Especialistas en robótica de la Universidad de Leeds y el University College de Londres han…
El lenguaje de señas es un medio de comunicación sofisticado y vital para las personas…
Según un nuevo estudio dirigido por el Imperial College, una tecnología de navegación que utiliza…
Gemini 2.0 Flash Thinking Experimental es una nueva versión de la IA de Google que…
Las computadoras cuánticas difieren fundamentalmente de las clásicas. En lugar de utilizar bits (0 y…