Podučavanje robota za podučavanje robota
Novi sustav, C-LEARN, kombinira dva tradicionalna elementa robotskog učenja — učenje iz demonstracije i nešto što se zove planiranje kretanja, radnje koje programeri moraju strogo kodirati. Kažu da ova nova tehnika ima za cilj olakšati robotima obavljanje širokog spektra zadataka s manje programiranja.
"Roboti bi mogli biti od velike pomoći kada bi ih više ljudi moglo koristiti," Claudia Perez-D’Arpino, doktorant koji je radio na projektu, rekao je za Digital Trends. Objasnila je da je motiv tima bio zadržati neke od vještina na visokoj razini koje su omogućili vrhunski programeri, dok je sustavu omogućeno učenje kroz demonstraciju.
Preporučeni videozapisi
Programiranje robota za obavljanje čak i jednog zadatka može biti komplicirano, uključujući precizne upute za čije kodiranje treba vremena. Umjesto toga, Perez-D’Arpino i njezin tim razvili su C-LEARN kako bi stručnjacima omogućili da se usredotoče na zadatke koji su najrelevantniji za njihova područja. Pomoću ovog sustava nekoderi mogu dati robotima djeliće podataka o radnji i zatim popuniti praznine pokazujući robotu demonstraciju zadatka.
Jason Dorfman / MIT CSAIL
"Željeli smo... osnažiti [stručnjake] da pouče robote kako planirati zadatke koji su ključni u njihovom području primjene", rekao je Pérez-D'Arpino. "Napredak posljednjih godina u učenju iz demonstracija ide u ovom smjeru,"
C-LEARN radi prikupljanjem općeg iskustva, koje istraživači nazivaju bazom znanja. Ova baza sadrži geometrijske informacije o dosezanju i hvatanju predmeta. Zatim, ljudski operater pokazuje robotu 3D demonstraciju zadatka koji je pri ruci. Povezivanjem svoje baze znanja s radnjom koju je promatrao, robot može dati prijedloge kako najbolje izvršiti radnje, a operater može odobriti ili urediti prijedloge kako smatra prikladnim.
"Ova baza znanja može se prenijeti s jednog robota na drugog", rekao je Pérez-D'Arpino. “Zamislite da vaš robot preuzima ‘aplikaciju’ za vještine manipulacije. „Aplikacija” se može prilagoditi novom robotu s drugačijim tijelom zahvaljujući fleksibilnosti naučenih ograničenja, koja su matematička prikaz osnovnog geometrijskog zahtjeva zadatka, koji se razlikuje od učenja specifične staze koja možda nije izvediva u novo tijelo robota.”
Drugim riječima, C-LEARN dopušta tom znanju prijenos i prilagodbu njegovom kontekstu — poput toga kako sportaš može naučiti vještinu u jednom sportu i malo je izmijenite kako biste bili bolji u drugom sportu, bez potrebe da potpuno ponovno učite akcijski.
Istraživači su testirali C-LEARN na Optimusu, malom dvorukom robotu dizajniranom za uništavanje bombi, prije nego su uspješno prenijeli vještinu na Atlasa, šest stopa visokog humanoida. Smatraju da bi sustav mogao pomoći u poboljšanju performansi robota u proizvodnji i pomoći u katastrofama, kako bi se omogućili brži odgovori u vremenski osjetljivim situacijama.
Preporuke urednika
- MIT uči kako učiniti robote manje nespretnim stavljanjem kamera u njihove prste
- Gledajte kako se Mini Cheetahs s MIT-a spremaju za robotsku apokalipsu
- MIT-ov robot zmija dizajniran je da puzi kroz krvne žile u mozgu
- Fantastična djeca MIT-a dobila su robota koji će se suočiti s virusnim izazovom #BottleCapChallenge
- Japanski istraživači koriste AI za duboko učenje. kako bi pokrenuli robote driftwooda
Nadogradite svoj životni stilDigitalni trendovi pomažu čitateljima da prate brzi svijet tehnologije sa svim najnovijim vijestima, zabavnim recenzijama proizvoda, pronicljivim uvodnicima i jedinstvenim brzim pregledima.
