Des chercheurs du MIT développent une nouvelle technique pour apprendre aux robots à enseigner

Le nouveau système, C-LEARN, combine deux éléments traditionnels de l'apprentissage robotique: l'apprentissage par démonstration et ce qu'on appelle la planification de mouvements, des actions qui doivent être codées en dur par les développeurs. Ils affirment que cette nouvelle technique vise à permettre aux robots d’effectuer plus facilement un large éventail de tâches avec moins de programmation.

« Les robots pourraient être d’une grande aide si seulement davantage de personnes pouvaient les utiliser. »

Programmer des robots pour qu’ils effectuent ne serait-ce qu’une seule tâche peut s’avérer compliqué, impliquant des instructions précises qui prennent du temps à coder. Au lieu de cela, Perez-D'Arpino et son équipe ont développé C-LEARN pour permettre aux experts de se concentrer sur les tâches les plus pertinentes dans leurs domaines respectifs. Avec ce système, les non-codeurs peuvent donner aux robots des informations sur une action, puis combler les lacunes en montrant au robot une démonstration de la tâche à accomplir.

Jason Dorfman / MIT CSAIL

"Nous voulions… donner aux [experts] les moyens d'enseigner aux robots comment planifier des tâches critiques dans leur domaine d'application", a déclaré Pérez-D'Arpino. « Les progrès réalisés ces dernières années en matière d’apprentissage à partir des manifestations vont dans ce sens. »

C-LEARN fonctionne en accumulant un ensemble d’expériences, que les chercheurs appellent une base de connaissances. Cette base contient des informations géométriques sur la manière d'atteindre et de saisir des objets. Ensuite, l'opérateur humain montre au robot une démonstration 3D de la tâche à accomplir. En reliant sa base de connaissances à l'action qu'il a observée, le robot peut faire des suggestions sur la meilleure façon d'effectuer les actions, et l'opérateur peut approuver ou modifier les suggestions comme bon lui semble.

"Cette base de connaissances peut être transférée d'un robot à un autre", a déclaré Pérez-D'Arpino. « Imaginez que votre robot télécharge une « application » pour acquérir des compétences de manipulation. L'« application » peut s'adapter au nouveau robot avec un corps différent grâce à la flexibilité d'avoir appris des contraintes, qui sont un calcul mathématique. représentation de l'exigence géométrique sous-jacente de la tâche, ce qui est différent de l'apprentissage d'un chemin spécifique qui pourrait ne pas être réalisable dans le nouveau corps de robot.

En d’autres termes, C-LEARN permet à ces connaissances d’être transférées et de s’adapter à leur contexte – un peu comme la façon dont un athlète peut apprendre un compétence dans un sport et la modifier légèrement pour mieux performer dans un sport différent, sans avoir à réapprendre complètement le action.

Les chercheurs ont testé C-LEARN sur Optimus, un petit robot à deux bras conçu pour le déminage, avant de transférer avec succès cette compétence à Atlas, un humanoïde de six pieds de haut. Ils pensent que le système pourrait contribuer à améliorer les performances des robots dans les domaines de la fabrication et des secours en cas de catastrophe, afin de permettre des réponses plus rapides dans des situations urgentes.

Recommandations des éditeurs

• Le MIT apprend à rendre les robots moins maladroits en leur mettant des caméras dans les doigts
• Regardez les Mini Cheetahs du MIT se préparer à l'apocalypse des robots
• Le robot serpent du MIT est conçu pour ramper dans les vaisseaux sanguins du cerveau
• Les jeunes prodiges du MIT ont un robot pour relever le viral #BottleCapChallenge
• Des chercheurs japonais utilisent l’IA pour l’apprentissage profond pour faire bouger les robots en bois flotté

Améliorez votre style de vieDigital Trends aide les lecteurs à garder un œil sur le monde trépidant de la technologie avec toutes les dernières nouvelles, des critiques de produits amusantes, des éditoriaux perspicaces et des aperçus uniques.