Insegnare ai robot a insegnare ai robot
Il nuovo sistema, C-LEARN, combina due elementi tradizionali dell’apprendimento robotico: l’apprendimento dalla dimostrazione e qualcosa chiamato pianificazione del movimento, azioni che devono essere codificate dagli sviluppatori. Dicono che questa nuova tecnica ha lo scopo di rendere più semplice per i robot eseguire una vasta gamma di compiti con meno programmazione.
“I robot potrebbero essere di grande aiuto se solo più persone potessero usarli” Claudia Perez-D'Arpino, un dottorando che ha lavorato al progetto, ha detto a Digital Trends. Ha spiegato che lo scopo del team era quello di mantenere alcune delle competenze di alto livello consentite da programmatori all'avanguardia, consentendo al tempo stesso al sistema di apprendere attraverso la dimostrazione.
Video consigliati
Programmare i robot per eseguire anche un singolo compito può essere complicato, poiché richiede istruzioni precise che richiedono tempo per essere codificate. Invece, Perez-D’Arpino e il suo team hanno sviluppato C-LEARN per consentire agli esperti di concentrarsi sui compiti più rilevanti per i rispettivi campi. Con questo sistema, i non programmatori possono fornire ai robot frammenti di dati su un'azione e quindi colmare le lacune mostrando al robot una dimostrazione del compito da svolgere.
Jason Dorfman/MIT CSAIL
“Volevamo… consentire agli [esperti] di insegnare ai robot come pianificare compiti critici nel loro campo di applicazione”, ha affermato Pérez-D’Arpino. “I progressi compiuti negli ultimi anni nell’imparare dalle dimostrazioni si stanno muovendo in questa direzione”,
C-LEARN funziona accumulando un insieme di esperienze, che i ricercatori chiamano base di conoscenza. Questa base contiene informazioni geometriche su come raggiungere e afferrare gli oggetti. Successivamente, l'operatore umano mostra al robot una dimostrazione 3D del compito da svolgere. Mettendo in relazione la sua base di conoscenza con l'azione osservata, il robot può fornire suggerimenti su come eseguire al meglio le azioni e l'operatore può approvare o modificare i suggerimenti come ritiene opportuno.
“Questa base di conoscenze può essere trasferita da un robot all’altro”, ha affermato Pérez-D’Arpino. “Immagina che il tuo robot stia scaricando un’app per le abilità di manipolazione. L’“app” può adattarsi al nuovo robot con un corpo diverso grazie alla flessibilità derivante dall’aver appreso i vincoli, che sono un metodo matematico rappresentazione dei requisiti geometrici alla base del compito, che è diverso dall'apprendimento di un percorso specifico che potrebbe non essere fattibile nel contesto nuovo corpo robotico."
In altre parole, C-LEARN consente alla conoscenza di trasferirsi e adattarsi al contesto, un po’ come un atleta può apprendere una abilità in uno sport e modificarla leggermente per ottenere risultati migliori in uno sport diverso, senza dover riapprenderla completamente azione.
I ricercatori hanno testato C-LEARN su Optimus, un piccolo robot a due braccia progettato per l'eliminazione delle bombe, prima di trasferire con successo l'abilità ad Atlas, un umanoide alto sei piedi. Pensano che il sistema potrebbe aiutare a migliorare le prestazioni dei robot nella produzione e nei soccorsi in caso di calamità, per consentire risposte più rapide in situazioni urgenti.
Raccomandazioni degli editori
- Il MIT impara a rendere i robot meno goffi mettendo loro le telecamere tra le dita
- Guarda i Mini Cheetah del MIT prepararsi per l'apocalisse dei robot
- Il robot serpente del MIT è progettato per strisciare attraverso i vasi sanguigni del cervello
- I ragazzi geniali del MIT hanno trovato un robot per affrontare la virale #BottleCapChallenge
- I ricercatori giapponesi utilizzano l’A.I. per far muovere i robot di legni
Migliora il tuo stile di vitaDigital Trends aiuta i lettori a tenere d'occhio il frenetico mondo della tecnologia con tutte le ultime notizie, divertenti recensioni di prodotti, editoriali approfonditi e anteprime uniche nel loro genere.
