Целью данного исследования, которое компания проводила вместе с Калифорнийским университетом в Беркли, было нахождение способа эффективно переносить движения собак на роботов. Это можно было делать и раньше, но традиционные методы тренировок требуют большой вовлеченности ученых, которые, после самостоятельного обучения роботов, должны корректировать каждое движение, чтобы научить устройства новому навыку.
Проект Google частично решает эту проблему — как отметили в компании, они добавили в обучение «немного управляемого хаоса». Для этого они фиксировали каждое движение собак, отслеживая ключевые точки — лапы и суставы. Затем эти движения адаптировались под движения роботов в цифровой симуляции, которые должны имитировать устройства.
Кроме того, исследователи привнесли элемент случайности в физические параметры, используемые в моделировании, заставляя виртуального робота весить больше, или иметь слабые ноги, или испытывать большее трение с землей. Это заставило модель машинного обучения учитывать всевозможные небольшие отклонения и способы справиться с ними.
Научившись адаптироваться к случайности, новый метод обучения позволил роботам не только бегать более устойчиво, но и выполнять сложные движения — вращения и повороты. При этом ученые практически не вмешивались в ход обучения устройств.