Equilíbrio em duas rodas com IA em carregadeira compacta deixa em aberto o caso fora do nominal
ETH Zurich e Intel treinaram controle por aprendizado por reforço para equilibrar uma carregadeira compacta John Deere 332G sobre as rodas dianteiras, mas o sucesso caiu quando o braço da caçamba ficou fora da faixa de ângulo treinada.
O Laboratório de Sistemas Robóticos da ETH Zurich, em parceria com a Intel, relatou na Science Robotics em 11 de novembro que o controle por aprendizado por reforço permitiu que uma carregadeira compacta John Deere 332G se elevasse sobre as duas rodas dianteiras, se equilibrasse e pousasse. O ponto não resolvido é até que ponto esse equilíbrio se mantém quando a máquina sai das condições em que foi treinada.
A fonte descreve o mecanismo como um modelo de movimento aprendido. A equipe mediu propriedades físicas como comprimento e centro de massa, inseriu comandos de controle no trem de acionamento hidráulico real por cerca de uma hora e meia e usou as respostas para construir uma rede neural que prevê o movimento. O aprendizado por reforço então rodou em simulação, com massa, inércia e erro de sensor variados para reduzir a lacuna entre real e virtual.
Essa lacuna apareceu no ângulo do braço da caçamba. A 28 e 31 graus, a carregadeira completou todos os testes de elevação; a 34 graus, fora da faixa de treinamento, teve sucesso em 11 de 14. Se essa degradação importaria em trabalhos de movimentação de terra é uma pergunta, não um achado.
O detalhe concreto ainda a ser demonstrado é a generalização além das configurações treinadas, o que o plano declarado da equipe de adicionar câmeras e lidar pode abordar.