«Турбо Облако» поможет в подготовке робота к бойцовскому турниру в Китае
Компания «Турбо Облако» предоставила разработчику робототехнических решений Mindrobots вычислительные мощности для обучения человекоподобного робота. Модель готовят для участия в международной лиге по боям человекоподобных роботов URKL, организованной в Китае.
Фото: Предоставлено пресс-службой «Турбо Облако»
Фото: Предоставлено пресс-службой «Турбо Облако»
Российская команда Mindrobots прошла несколько этапов отбора, в котором участвовали более 200 команд со всего мира, и вошла в число 16 сильнейших. Команда претендует на чемпионский пояс и денежный приз в размере 10 млн юаней.
Для управления движениями робота Mindrobots обучает нейронную модель в виртуальной среде. В ходе многочисленных попыток она осваивает необходимые действия. Изначально разработчик использовал собственные видеокарты, однако их мощности оказалось недостаточно. «Турбо Облако» выделило для проекта облачную инфраструктуру с круглосуточным доступом к вычислительным ресурсам.
Сначала модель обучали базовым движениям. Примерно через месяц команда перешла к созданию виртуального ринга, на котором несколько роботов могут взаимодействовать друг с другом. На этом этапе объем вычислительных ресурсов увеличили. За время проекта их использование превысило 1,2 тыс. GPU-часов.
«Для нас важно было обеспечить непрерывное обучение робота и при этом не инвестировать значительные средства в закупку собственного оборудования»,— заявил генеральный директор Mindrobots Алексей Кайгородов. По его словам, облачные мощности позволили последовательно усложнять задачи, переходя от базовых движений к моделированию взаимодействия с другими роботами. Директор центра региональных продаж компании «Турбо Облако» Виктор Красноусов отметил: «Обучение роботов — один из наглядных примеров того, как искусственный интеллект меняет привычные технологии».
По данным участников проекта, нейронная модель подготовлена для загрузки в физического робота. Обучение продолжается: команда совершенствует модель, чтобы повысить эффективность ее работы в реальном роботе.