学界 | OpenAI发布开源软件Roboschool,模拟机器人的控制训练

AI 科技评论消息,OpenAI 今日发布了一个用于模拟机器人的控制训练的开源软件 Roboschool,根据介绍,其整合了前段时间发布的 OpenAI Gym。

OpenAI Gym 是一款研发与比较强化算法的工具包,此前用户反馈的问题在于价格。虽然已经向个人或有课程学习需要的学生免费开放,但负责机器人控制的 MuJoCo 组件依然需要收费。

不过在基于 OpenAI Gym 环境的 Roboschool 里,用户不必再担心这一额外花费。据AI 科技评论了解,有八个模拟器可以作为 MoJoCo 组件的免费替代品,还能进行重新调试,以产生更多逼真的动作。另外四个任务则提供了更具挑战的任务,比如类人直立行走的任务,或是多玩家乒乓赛(multiplayer Pong)。

这样一来,Roboschool 得以让用户更方便地在同一个场景中同时训练多个智能体。OpenAI 表示,他们希望随着时间推移,能够获得更多的集合拓展,此外也期待社区后续的产出贡献。

如视频所示,你可以在 Roboschool 的界面上让三个不同的机器人进行跑步竞赛。而在 agent_zoo/demo_race1.py. 上运行此脚本时,每次都会随机出现不同的机器人

OpenAI 团队已经将 MuJoCo 上的一些模拟器移植到 Bullet 上,并做了逼真化的处理。下图的三个模拟器都有了不同程度的改进。比如 Walker2d 在缓慢走动时,细节更加真实;而原有的蚂蚁(Ant)变得更「重」了一些,这样它就需要借助四条腿来前进;人类行走者甚至还借鉴了能量损耗原则(=转矩×角速度),并以「跑偏」的形式显现出来。

agent_zoo 文件夹中,你可以看到三个模拟器的不同训练原则;并在 demo_race 里找到他们三个的跑步比赛视频 demoj 脚本

此前的 OpenAI Gym 模拟器旨在掌握步行控制的要义,只需要学会简单地前进就够了。但实际情况可能复杂许多,且有很多地方尚未被探索过,因此模拟器的单循环策略开始变得不管用, 可能轻轻推模拟器一把,都会让机器人摔个狗啃泥而动弹不得,更不要说完成任务了。

为了解决这一问题,在全新的 Roboschool 中,OpenAI 的研究者设计了两个 3D 类人的模拟器,而在训练任务 HumanoidFlagrun 中,机器人需要朝着不断变动位置的旗子跑去,这一过程能够训练机器人学会放缓速度并转动方向。

而在「困难模式」的 HumanoidFlagrunHarder 中,机器人被赋予「跌倒」的权利,并尝试用双腿站起来。因此,任务的一开始,很可能机器人是躺在地上的。此外,机器人还要抵御不时的「攻击」(见视频),防止因为来自四面八方砸来的小白块而摔倒。

HumanoidFlagrunHumanoidFlagrunHarder 的训练策略也已经在 GitHub 上开源。虽然机器人的步伐看上去并不那么快,形态也不像人般自然,但它所采取的策略已经足以应对非常多的状况,也知道如何控制机器人。我们可以把这个策略当作一个多层感知机,甚于它没有内部状态,我们认为,在某些情况下,智能体应该是采用了自己的手臂存储信息。

就像AI 科技评论在前文所提及的一样,Roboschool 致力于让用户在同一模拟器上训练多个智能体,而 RoboschoolPong 就是一个很好的开始,与此同时,还有一大波模拟器正在路上。

通过「左右互博」的乒乓球赛,用户得以在两方同时训练同一个智能体,或是采用同样的算法训练两个不同的智能体,甚至,你也可以让两个独立智能体自行训练(如下面视频所示)。

多智能体的设定也带来了一些有意思的挑战。如果你同时训练两方玩家,你很可能会看到如下图所示的曲线图:

策略更新与策略梯度同时进行

将会呈现如下结果:

  • 智能体 1(绿线)学到在顶部可以成功回球,因此它经常往顶部移动;
  • 智能体 2(紫线)发现对手经常往顶部移动,因此会试着往底部回球;
  • 智能体 1 随后也学会要往底部移动才能成功回球,而且智能体 2 经常往底部回球,因此它也经常「驻守」底部了。

经历这样的循环后,策略开始震荡,而经历了数小时的训练后,双方都没法再学到什么有用的内容了。而在 GANs 中,在对抗性中进行学习屡试不爽,而 OpenAI 团队的人认为这是一个非常有意思的研究问题。即便是在简单的环境中,双方的交互也会产生复杂的策略,也能提供符合实际的借鉴。

除了上文介绍的 Roboschool 外,OpenAI 团队也在 OpenAI Gym 中做了不少研究工作。详情可以参考以下链接:

Roboschool 的 GitHub 页面:https://github.com/openai/roboschool

OpenAI Gym 的 GitHub 页面:https://github.com/openai/gym

原文发布于微信公众号 - AI科技评论(aitechtalk)

原文发表时间:2017-05-16

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏量子位

“小心!有人在偷看你手机!”谷歌搞了个被偷窥提醒算法

原作 James Vincent Root 编译自 TheVerge 量子位 出品 | 公众号 QbitAI 在地铁上,有没有经常担心旁边或背后有人偷瞄你的手机...

2939
来自专栏企鹅号快讯

2017年度十本优秀信息安全技术书籍

...8一、智能汽车安全攻防大揭秘 2017年10月23日 360独角兽安全团队(UnicornTeam) (作者),‎ 李均 (作者),‎ 杨卿 (作者),‎...

3708
来自专栏AI研习社

微软 Ignite2017 大会探秘,Azure 机器学习三大工具正式发布

日前,微软 Ignite2017 大会正在美国佛罗里达州奥兰多举行,除了正式推出量子计算编程语言,对 Azure 云平台进行功能更新等,基于目前各大对手企业纷纷...

3407
来自专栏机器学习算法全栈工程师

最大熵模型解释知识就是力量

作者 王千发 编辑 李文臣 一.有趣的熵 ? 二.熵的表示 ? ? ? ? ? 三.最大熵模型 ? ? ? ? ? ? ? 参考: 1.李航老师《统计机器学习...

3569
来自专栏Youngxj

[seo优化]要想上权重就进来看看

1585
来自专栏人工智能快报

实时验证码技术可改进生物识别身份验证

实时验证码(Real-TimeCaptcha)使用了一种对人类来说很简单但使用机器学习和图像生成软件欺骗合法用户的攻击者来说却很困难的独特问题,这种身份验证方法...

2636
来自专栏Sign

AR与隐私

之前因为开玩笑性质的在各个地方放了这个公众号,然后有不少小伙伴以为这里是技术性质的公众号,于是跑来学习…… 因为我一般发文章时才登一下后台,所以很多时候看到私信...

26812
来自专栏新智元

Google Play:使用深度学习,根据用户环境实现个性化 App 推荐

【新智元导读】本文是 Google Play 的 “App 发现”系列文章的第二篇,谷歌 App发现团队讨论了如何使用深度学习,根据用户曾经下载过的 App 和...

4668
来自专栏互联网杂技

这个机器人太可爱了

第一法则:机器人不得伤害人类,或坐视人类受到伤害; 第二法则:除非违背第一法则,机器人必须服从人类的命令; 第三法则:在不违背第一及第二法则下,机器人必须保护自...

2503
来自专栏iOSDevLog

为什么我们建立了Magic Sudoku,ARKit Sudoku Solver

上周,我的公司Hatchlings发布了适用于iOS11的Magic Sudoku。它是一个应用程序,结合计算机视觉,机器学习和增强现实解决数独难题。

542

扫码关注云+社区