Mengajar Robot untuk Mengajar Robot
Sistem baru, C-LEARN, menggabungkan dua elemen tradisional pembelajaran robotik — belajar dari demonstrasi dan sesuatu yang disebut perencanaan gerak, tindakan yang harus dikodekan secara keras oleh pengembang. Mereka mengatakan teknik baru ini dimaksudkan untuk memudahkan robot melakukan berbagai tugas dengan lebih sedikit pemrograman.
“Robot bisa sangat membantu jika lebih banyak orang bisa menggunakannya,” Claudia Perez-D'Arpino, seorang kandidat PhD yang mengerjakan proyek tersebut, mengatakan kepada Digital Trends. Dia menjelaskan bahwa motif tim adalah untuk mempertahankan beberapa keterampilan tingkat tinggi yang dimiliki oleh pemrogram canggih, sekaligus memungkinkan sistem untuk belajar melalui demonstrasi.
Video yang Direkomendasikan
Memprogram robot untuk melakukan satu tugas pun bisa jadi rumit, karena memerlukan instruksi yang tepat dan memerlukan waktu untuk membuat kode. Sebaliknya, Perez-D’Arpino dan timnya mengembangkan C-LEARN agar para ahli dapat fokus pada tugas yang paling relevan dengan bidangnya masing-masing. Dengan sistem ini, non-coder dapat memberikan sedikit data kepada robot tentang suatu tindakan dan kemudian mengisi kekosongan tersebut dengan menunjukkan demonstrasi tugas yang ada kepada robot.
Jason Dorfman / MIT CSAIL
“Kami ingin… memberdayakan [para ahli] untuk mengajari robot bagaimana merencanakan tugas-tugas yang penting dalam bidang penerapannya,” kata Pérez-D’Arpino. “Kemajuan dalam beberapa tahun terakhir dalam belajar dari demonstrasi sedang bergerak ke arah ini,”
C-LEARN bekerja dengan mengumpulkan sejumlah pengalaman, yang oleh para peneliti disebut sebagai basis pengetahuan. Basis ini berisi informasi geometris tentang meraih dan menggenggam objek. Selanjutnya, operator manusia menunjukkan kepada robot demonstrasi 3D dari tugas yang ada. Dengan menghubungkan basis pengetahuannya dengan tindakan yang diamatinya, robot dapat memberikan saran tentang cara terbaik untuk melakukan tindakan tersebut, dan operator dapat menyetujui atau mengedit saran tersebut sesuai keinginannya.
“Basis pengetahuan ini dapat ditransfer dari satu robot ke robot lainnya,” kata Pérez-D’Arpino. “Bayangkan robot Anda mengunduh 'aplikasi' untuk keterampilan manipulasi. 'Aplikasi' ini dapat beradaptasi dengan robot baru dengan tubuh yang berbeda berkat fleksibilitas dalam mempelajari batasan, yang merupakan perhitungan matematis. representasi persyaratan geometris yang mendasari tugas, yang berbeda dari mempelajari jalur tertentu yang mungkin tidak layak dilakukan tubuh robot baru.”
Dengan kata lain, C-LEARN memungkinkan pengetahuan tersebut ditransfer dan disesuaikan dengan konteksnya — seperti bagaimana seorang atlet dapat mempelajari suatu hal. keterampilan dalam satu olahraga dan mengubahnya sedikit untuk tampil lebih baik dalam olahraga lain, tanpa harus mempelajari kembali sepenuhnya tindakan.
Para peneliti menguji C-LEARN pada Optimus, robot kecil berlengan dua yang dirancang untuk penjinak bom, sebelum berhasil mentransfer keterampilan tersebut ke Atlas, humanoid setinggi enam kaki. Mereka berpendapat sistem ini dapat membantu meningkatkan kinerja robot di bidang manufaktur dan bantuan bencana, sehingga memungkinkan respons yang lebih cepat dalam situasi yang sensitif terhadap waktu.
Rekomendasi Editor
- MIT belajar untuk membuat robot tidak terlalu kikuk dengan memasang kamera di jari mereka
- Saksikan Mini Cheetah MIT yang lentur menghadapi kiamat robot
- Robot ular milik MIT dirancang untuk merangkak melalui pembuluh darah di otak
- Anak-anak jagoan MIT mendapat robot untuk menghadapi #BottleCapChallenge yang viral
- Peneliti Jepang menggunakan pembelajaran mendalam A.I. untuk membuat robot kayu apung bergerak
Tingkatkan gaya hidup AndaTren Digital membantu pembaca mengawasi dunia teknologi yang bergerak cepat dengan semua berita terbaru, ulasan produk yang menyenangkan, editorial yang berwawasan, dan cuplikan unik.
