当前位置:首页 > 文章列表 > 科技周边 > 人工智能 > 四足机器人学会守门,拦截率达87.5%

四足机器人学会守门,拦截率达87.5%

来源:51CTO.COM 2023-04-21 15:27:46 0浏览 收藏

有志者,事竟成!如果你在学习科技周边,那么本文《四足机器人学会守门,拦截率达87.5%》,就很适合你!文章讲解的知识点主要包括,若是你对本文感兴趣,或者是想搞懂其中某个知识点,就请你继续往下看吧~


10月28日消息,据外媒报道,科学家们训练了一个四足机器人成为守门员。这个四足机器人守门员是由加州大学伯克利分校混合机器人实验室的科学家训练出来的。​​​​

四足机器人学会守门,拦截率达87.5%

视频片段显示,它蹲下、跳跃、侧身和俯冲,以阻止射击,并在拦网后回到起始位置。

专家们表示,它可以节省87.5%的射门命中率,相比之下,人类守门员的平均射门率约为69%。

强化学习是机器学习的一个子集,它允许人工智能驱动的系统使用其行为的反馈通过反复尝试来学习。这种反馈要么是负面的,要么是正面的,表现为惩罚或奖励,当然,目的是最大限度地发挥奖励功能。

这个四足机器人是通过强化学习训练的,这是机器学习的一个子集,它允许人工智能使用其行为反馈通过反复尝试来学习。

研究人员表示:“我们提出了一个强化学习框架,使四足机器人能够在现实世界中执行足球守门员任务。”。

足球守门员使用四足动物是一个具有挑战性的问题,它将高度动态的运动与精确、快速的非抓握物体(球)操纵相结合。

“机器人需要在很短的时间内,通过动态移动动作,对可能飞出的球做出反应并拦截。”

随后他们将它学到的策略部署在麻省理工学院开发的四足机器人Mini Cheetah上,并在现实世界中测试了它的性能。结果显示,强化学习框架可极大地提高Mini Cheetah作为足球守门员的能力。在真实世界测试的40次随机射门中,机器人扑救成功率达87.5%。

今天带大家了解了的相关知识,希望对你有所帮助;关于科技周边的技术知识我们会一点点深入介绍,欢迎大家关注golang学习网公众号,一起学习编程~

版本声明
本文转载于:51CTO.COM 如有侵犯,请联系study_golang@163.com删除
NVIDIA MONAI助于推动研发成果落地,赋能医疗行业AI创新应用NVIDIA MONAI助于推动研发成果落地,赋能医疗行业AI创新应用
上一篇
NVIDIA MONAI助于推动研发成果落地,赋能医疗行业AI创新应用
Meta在否认将解散AR/VR OS团队的报道后解散了定制的AR/VR OS团队
下一篇
Meta在否认将解散AR/VR OS团队的报道后解散了定制的AR/VR OS团队
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    463次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    526次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    545次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    493次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    313次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码