Обучение на роботи за обучение на роботи
Новата система, C-LEARN, съчетава два традиционни елемента на роботизираното обучение - учене от демонстрация и нещо, наречено планиране на движението, действия, които трябва да бъдат твърдо кодирани от разработчиците. Те казват, че тази нова техника има за цел да улесни роботите да изпълняват широк набор от задачи с по-малко програмиране.
„Роботите биха могли да са от голяма полза, само ако повече хора можеха да ги използват,“ Клаудия Перес-Д’Арпино, докторант, работил по проекта, каза пред Digital Trends. Тя обясни, че мотивът на екипа е бил да поддържа някои от уменията на високо ниво, предоставени от най-съвременните програмисти, като същевременно позволява на системата да се учи чрез демонстрация.
Препоръчани видеоклипове
Програмирането на роботи за изпълнение дори на една задача може да бъде сложно, включващо точни инструкции, които отнемат време за кодиране. Вместо това Перес-Д’Арпино и нейният екип разработиха C-LEARN, за да позволят на експертите да се съсредоточат върху задачите, които са най-подходящи за съответните им области. С тази система некодиращите могат да дадат на роботите битове данни за дадено действие и след това да запълнят празнините, като покажат на робота демонстрация на текущата задача.
Джейсън Дорфман / MIT CSAIL
„Искахме да … дадем възможност на [експертите] да научат роботите как да планират задачи, които са критични в тяхната област на приложение“, каза Перес-Д’Арпино. „Напредъкът през последните години в ученето от демонстрации се движи в тази посока,“
C-LEARN работи чрез натрупване на опит, който изследователите наричат база от знания. Тази база съдържа геометрична информация за достигане и хващане на обекти. След това човешкият оператор показва на робота 3D демонстрации на поставената задача. Като свързва базата си от знания с наблюдаваното от него действие, роботът може да прави предложения за това как най-добре да изпълни действията, а операторът може да одобри или редактира предложенията, както намери за добре.
„Тази база знания може да се прехвърля от един робот на друг“, каза Перес-Д’Арпино. „Представете си, че вашият робот изтегля „приложение“ за манипулационни умения. „Приложението“ може да се адаптира към новия робот с различно тяло благодарение на гъвкавостта на научените ограничения, които са математически представяне на основното геометрично изискване на задачата, което е различно от изучаването на конкретен път, който може да не е осъществим в ново тяло на робота.
С други думи, C-LEARN позволява това знание да се прехвърли и адаптира към неговия контекст - нещо като как един спортист може да научи умение в един спорт и го промените леко, за да се представите по-добре в друг спорт, без да се налага напълно да научавате отново действие.
Изследователите тестваха C-LEARN на Optimus, малък робот с две ръце, предназначен за обезвреждане на бомби, преди успешно да прехвърлят умението на Atlas, висок шест фута хуманоид. Те смятат, че системата може да помогне за подобряване на производителността на роботите в производството и оказването на помощ при бедствия, за да позволи по-бързи реакции в чувствителни към времето ситуации.
Препоръки на редакторите
- MIT се научава да прави роботите по-малко тромави, като поставя камери в пръстите им
- Гледайте как мини гепардите на Масачузетския технологичен институт се надигат за апокалипсиса на роботите
- Роботът-змия на MIT е проектиран да пълзи през кръвоносните съдове в мозъка
- Децата от Масачузетския технологичен институт получиха робот, за да се справят с вирусното предизвикателство #BottleCapChallenge
- Японски изследователи използват дълбоко обучение A.I. за да накарате роботите да се движат
Надградете начина си на животDigital Trends помага на читателите да следят забързания свят на технологиите с всички най-нови новини, забавни ревюта на продукти, проницателни редакционни статии и единствени по рода си кратки погледи.
