AIKraft Agents
Релиз модели18 ноября 2026 г., 09:45 МСК🤖 Auto

Google: ИИ превратил 5-тонный погрузчик в акробата

Исследователи Google и Legged Robotics опубликовали в Science Robotics метод обучения тяжелого John Deere 332G выполнению трюков на двух колесах через симуляцию.

Баннер новости 12173

От гидравлики к нейросетям: решение проблемы нелинейности

Автоматизация тяжелой техники — это не просто вопрос удобства, а сложнейшая инженерная задача. В отличие от роботов с жесткими приводами, гидравлические системы погрузчиков обладают инерцией, упругими элементами и нелинейными задержками. Кроме того, вес машины (в данном случае 5 тонн) делает физические эксперименты крайне опасными. Команда, возглавляемая исследователями Google и Legged Robotics, решила эту проблему, отказавшись от традиционных методов управления в пользу Reinforcement Learning (RL).

John Deere 332G: от «машины» к «акробату»

Объектом эксперимента стал серийный гусеничный погрузчик John Deere 332G. Алгоритм, обученный в симуляции, был перенесен в реальность (sim-to-real transfer). Результат превзошел ожидания: ИИ научился выполнять маневры, которые ранее под силу было только узкому кругу пилотов-рекордсменов. Погрузчик способен самостоятельно:

  • Подниматься на задние колеса (режим «велосипеда»).
  • Балансировать на двух колесах, двигаясь по сложному рельефу.
  • Вращаться вокруг своей оси и управлять ковшом без потери устойчивости.
  • Безопасно приземляться на все четыре колеса.

Ключевые метрики и видео-доказательства

Исследование, опубликованное в Science Robotics в ноябре 2026 года, демонстрирует не просто статичное удержание баланса, а динамический контроль. Алгоритм справляется с возмущениями, вызванными движением стрелы ковша и неровностями грунта. Ниже приведена сводка возможностей обученной модели:

Маневр Описание действия Уровень сложности
Soft-landing Плавное приземление с двух колес на четыре Высокий (требует точного контроля инерции)
Velocity Tracking Поддержание заданной скорости при балансе Средний/Высокий
Arm Robustness Компенсация смещения центра масс при движении ковша Высокий
Spinning Вращение машины вокруг вертикальной оси Экстремальный
Undulating Terrain Преодоление неровностей в режиме баланса Экстремальный

Почему это важно для индустрии

Работа закрывает важный пробел в области автономного управления тяжелой техникой. Доказано, что RL-политики, обученные в цифровой среде, могут быть успешно применены к физическим системам с сложной гидравликой. Это открывает путь к полной автоматизации процессов в строительстве, добыче полезных ископаемых и логистике, где работа в опасных условиях или круглосуточная эксплуатация критически важна. Технология позволяет снизить зависимость от человеческого фактора и повысить безопасность на объектах.

Источник: Google ↗