Обсуждение

Да с роботами-тележками всё давно ясно. На них курс механики не построишь.

Почти подряд в френдленте этот ваш пост и https://youtu.be/EzgJWwAx8Mo видео про робота-мотоциклиста. С нейронной сеткой постепенно сам переучится при изменении условий. С решением физической модели - выйти за рамки модели робот самостоятельно не может, требуется перепрограммирование. Плюсы модели - сходу готова к работе, быстро и точно считается, можно предугадать ход событий. Зато нейронная адаптируется. Совместить подходы бы - это раз, и как-то заставить нейронную сеть расширять вычислительную модель - два. Первое наверняка уже где-то используется. А второе вообще технически возможно? // я не компетентен, но интересуюсь; если сказал слвсем глупость - простите

Вы всё правильно написали, но как совместить несовмещаемое -- этого пока никто не знает. Это совсем, совсем отдельный разговор, как я и написал. И, возможно, это даже не в этом году разговор.

Насколько я понял, общаясь с разработчиками, там нет никакой серьезной адаптивной модели. Робот-бабочка создан для решения одной единственной задачи - удержания шарика на бабочке конкретного размера, вращающейся с конкретной скоростью. То есть использовать их математический аппарат для обучения вряд ли получится - там все параметры подобраны для решения одной единственной задачи. Другое дело, что для обучения можно использовать сам принцип робота, который должен удерживать шарик на объекте (бабочке, клине - не важно). Но это несколько иная задача, нежели просто использование уже созданного робота для обучения. Как использовать именно этого робота я не знаю. Тем более в школе. Хотя ломаю голову уже год. Поправьте меня, если я не прав.

Наверное проще на традиционный инверсный маятник навесить сверху задачу удержания в заданной точке, или перемещения по заданной траектории с минимальными отклонениями. Там и динамика появиться и всё что нужно + масса вариантов такого инверсного маятника.

То, что у них нет адаптивной модели, это правда. Они предлагают традиционное решение по описанию движения формулами, задача решается каждый раз для нового движения. Я как раз написал абзац про deep learning как решение проблемы адаптивности. Но лабораторные университетские работы у них есть, четыре по курсу "Компьютерное зрение" (там ведь есть камера!), по курсу "системы автоматического управления" тоже четыре, и три по курсу "Робототехника" (например, по анализу систем с неудерживающими связями). Это очень хороший вопрос, архитектурный, требует совсем отдельного поста -- не будет ли устроена вся робототехника со всем анализом движений в ней, машинным зрением и решением задач управления на тех же самых нейронных сетях, и не является ли классическое аналитическое численное решение задач движения тупиком навроде символьного AI. IMHO да, является -- и для собственно робототехники обучение классическим алгоритмам работы с видео и моторчиками будет стремительно терять актуальность. Но это не означает, что мы не можем учить детишек законам Ньютона, катая и бросая шарик по разным поверхностям в удобном для этого ящике. А для старшекурсников-инженеров просто меняется тип софта и остаётся то же оборудование -- и пусть строят адаптивные алгоритмы (поглядите видео: человечья нейронная сетка не так уж и способна сходу решить задачу движения для робота-бабочки, так что вопрос подбора правильных алгоритмов управления тут всё одно остаётся дискуссионный).

С маятником очень ненаглядно. Много мелких малозаметных движений, непонятно что происходит. А тут всё зримо и наглядно. Моторчик там есть, следовательно задачу балансирования вполне можно давать, в том числе и с обратным маятником. Насадки к моторчику могут быть очень простыми и очень разными.