რობოტების სწავლება რობოტებისთვის
ახალი სისტემა, C-LEARN, აერთიანებს რობოტული სწავლის ორ ტრადიციულ ელემენტს - სწავლებას დემონსტრაციიდან და რაღაცას, რომელსაც მოძრაობის დაგეგმვა ჰქვია, მოქმედებები, რომლებიც დეველოპერების მიერ უნდა იყოს მყარი კოდირებული. მათი თქმით, ეს ახალი ტექნიკა მიზნად ისახავს რობოტებს გაუადვილოს დავალებების ფართო სპექტრის შესრულება ნაკლები პროგრამირებით.
”რობოტები შეიძლება იყოს ძალიან დიდი დახმარება, თუ მხოლოდ უფრო მეტ ადამიანს შეეძლო მათი გამოყენება.” კლაუდია პერეს-დ’არპინოგანუცხადა Digital Trends-ს დოქტორანტმა, რომელიც პროექტზე მუშაობდა. მან განმარტა, რომ გუნდის მოტივი იყო შეენარჩუნებინა ზოგიერთი მაღალი დონის უნარ-ჩვევები, რომლებიც ჩართული იყო უახლესი პროგრამისტების მიერ, ამავდროულად, სისტემას საშუალებას აძლევდა ისწავლოს დემონსტრირების გზით.
რეკომენდებული ვიდეოები
რობოტების დაპროგრამება თუნდაც ერთი დავალების შესასრულებლად შეიძლება რთული იყოს, რაც მოიცავს ზუსტ ინსტრუქციებს, რომლებსაც დრო სჭირდება კოდირებისთვის. ამის ნაცვლად, პერეზ-დ’არპინომ და მისმა გუნდმა შეიმუშავეს C-LEARN, რათა ექსპერტებს საშუალება მისცენ ფოკუსირება მოახდინონ იმ ამოცანებზე, რომლებიც ყველაზე მეტად შეესაბამება მათ შესაბამის სფეროებს. ამ სისტემით, არაკოდერებს შეუძლიათ რობოტებს მიაწოდონ მონაცემები მოქმედების შესახებ და შემდეგ შეავსონ ხარვეზები რობოტს დავალების დემონსტრირების ჩვენებით.
ჯეისონ დორფმანი / MIT CSAIL
„ჩვენ გვინდოდა, რომ... გამეძლიერებინა [ექსპერტები], რომ ესწავლებინათ რობოტები, როგორ დაგეგმონ ამოცანები, რომლებიც კრიტიკულია მათი გამოყენების სფეროში“, - თქვა პერეს-დ’არპინომ. „ბოლო წლების წინსვლა დემონსტრაციებიდან სწავლაში ამ მიმართულებით მიდის.
C-LEARN მუშაობს გამოცდილების დაგროვებით, რომელსაც მკვლევარები ცოდნის ბაზას უწოდებენ. ეს ბაზა შეიცავს გეომეტრიულ ინფორმაციას ობიექტების მიღწევისა და დაჭერის შესახებ. შემდეგი, ადამიანის ოპერატორი აჩვენებს რობოტს დაკისრებული დავალების 3D დემონსტრირებას. თავისი ცოდნის ბაზის მიერ დაკვირვებულ მოქმედებასთან დაკავშირებით, რობოტს შეუძლია წინადადებების გაკეთება, თუ როგორ უნდა შეასრულოს მოქმედებები საუკეთესოდ, ხოლო ოპერატორს შეუძლია დაამტკიცოს ან შეცვალოს წინადადებები, როგორც მას მიზანშეწონილად მიიჩნევს.
”ეს ცოდნის ბაზა შეიძლება გადავიდეს ერთი რობოტიდან მეორეზე”, - თქვა პერეს-დ’არპინომ. „წარმოიდგინეთ, რომ თქვენი რობოტი ჩამოტვირთავს „აპს“ მანიპულირების უნარებისთვის. „აპს“ შეუძლია მოერგოს ახალ რობოტს განსხვავებული ტანით, სწავლის შეზღუდვების მოქნილობის წყალობით, რაც მათემატიკურია. ამოცანის ძირითადი გეომეტრიული მოთხოვნის წარმოდგენა, რომელიც განსხვავდება კონკრეტული გზის სწავლისგან, რომელიც შეიძლება შეუძლებელი იყოს ახალი რობოტის სხეული."
სხვა სიტყვებით რომ ვთქვათ, C-LEARN საშუალებას აძლევს ამ ცოდნის გადატანას და მის კონტექსტთან ადაპტირებას - ისევე, როგორც სპორტსმენს შეუძლია ისწავლოს უნარი ერთ სპორტში და ოდნავ შეცვალე ის, რომ უკეთ გამოავლინო სხვა სპორტში, სრულად ხელახლა სწავლის გარეშე მოქმედება.
მკვლევარებმა C-LEARN გამოსცადეს ოპტიმუსზე, პატარა ორხელიან რობოტზე, რომელიც შექმნილია ბომბის მოსაგერიებლად, მანამდე, სანამ წარმატებით გადასცემდნენ უნარს ატლასს, ექვსი ფუტის სიმაღლის ჰუმანოიდს. ისინი ფიქრობენ, რომ სისტემა შეიძლება დაეხმაროს რობოტების მუშაობის გაუმჯობესებას წარმოებაში და კატასტროფების აღმოფხვრაში, რათა უფრო სწრაფი რეაგირება მოახდინონ დროისადმი მგრძნობიარე სიტუაციებში.
რედაქტორების რეკომენდაციები
- MIT სწავლობს, რომ რობოტები ნაკლებად მოუხერხებელი გახადონ კამერების თითებში ჩასმით
- უყურეთ MIT-ის მინი გეპარდებს რობოტის აპოკალიფსისთვის
- MIT-ის გველის რობოტი შექმნილია ტვინის სისხლძარღვებში სეირნობისთვის
- MIT-ის ვიზის ბავშვებმა მიიღეს რობოტი, რომელიც ვირუსულ #BottleCapChallenge-ს მიიღებს
- იაპონელი მკვლევარები იყენებენ ღრმა სწავლის A.I. დრიფტვუდის რობოტების გადაადგილება
განაახლეთ თქვენი ცხოვრების წესიDigital Trends ეხმარება მკითხველს თვალყური ადევნონ ტექნოლოგიების სწრაფ სამყაროს ყველა უახლესი სიახლეებით, სახალისო პროდუქტების მიმოხილვებით, გამჭრიახი რედაქციებითა და უნიკალური თვალით.
