Solving Rubik’s Cube with a robot hand
Di cosa parla
Hanno addestrato due reti neurali — programmi che imparano dall’esperienza — a muovere una mano robotica simile a quella umana per risolvere il Cubo di Rubik. L’apprendimento è avvenuto interamente in un ambiente virtuale, con una procedura che varia continuamente le condizioni di allenamento per rendere il controllo più resistente. La mano riesce a funzionare anche in situazioni mai viste durante l’allenamento, come quando viene disturbata da una giraffa di peluche.
Cosa permette di osservare
Permette di esplorare se l’addestramento virtuale può trasferire abilità complesse al mondo reale e quanto siano robuste queste mani robotiche di fronte a interazioni impreviste. Fa sorgere anche la domanda sui limiti dell’apprendimento per tentativi ed errori quando si passa dal virtuale al fisico.
Dalla fonte
We’ve trained a pair of neural networks to solve the Rubik’s Cube with a human-like robot hand. The neural networks are trained entirely in simulation, using the same reinforcement learning code as OpenAI Five paired with a new technique called Automatic Domain Randomization (ADR). The system can handle situations it never saw during training, such as being prodded by a stuffed giraffe. This shows that reinforcement learning isn’t just a tool for virtual tasks, but can solve physical-world problems requiring unprecedented dexterity.