Robots leren om robots te leren
Het nieuwe systeem, C-LEARN, combineert twee traditionele elementen van robotleren: leren door demonstratie en iets dat bewegingsplanning wordt genoemd, acties die door ontwikkelaars hardgecodeerd moeten worden. Ze zeggen dat deze nieuwe techniek bedoeld is om het voor robots gemakkelijker te maken om een breed scala aan taken uit te voeren met minder programmering.
“Robots zouden zoveel kunnen helpen als maar meer mensen ze zouden kunnen gebruiken,” Claudia Perez-D'Arpino, een promovendus die aan het project werkte, aan Digital Trends. Ze legde uit dat het doel van het team was om een aantal van de vaardigheden van een hoog niveau te behouden die mogelijk worden gemaakt door de modernste programmeurs, terwijl het systeem tegelijkertijd door middel van demonstratie kon leren.
Aanbevolen video's
Het programmeren van robots om zelfs maar één taak uit te voeren kan ingewikkeld zijn, omdat er nauwkeurige instructies nodig zijn die tijd vergen om te coderen. In plaats daarvan ontwikkelden Perez-D’Arpino en haar team C-LEARN om experts zich te laten concentreren op de taken die het meest relevant zijn voor hun respectievelijke vakgebieden. Met dit systeem kunnen niet-codeerders robots stukjes gegevens over een actie geven en vervolgens de gaten opvullen door de robot een demonstratie te laten zien van de taak die moet worden uitgevoerd.
Jason Dorfman / MIT CSAIL
“We wilden [experts] in staat stellen om robots te leren hoe ze taken moeten plannen die cruciaal zijn in hun toepassingsgebied”, aldus Pérez-D’Arpino. “De vooruitgang van de afgelopen jaren bij het leren van demonstraties gaat deze kant op”,
C-LEARN werkt door het verzamelen van een hoeveelheid ervaring, die de onderzoekers een kennisbasis noemen. Deze basis bevat geometrische informatie over het bereiken en grijpen van objecten. Vervolgens laat de menselijke operator de robot een 3D-demonstratie zien van de uit te voeren taak. Door zijn kennisbank te relateren aan de actie die hij heeft waargenomen, kan de robot suggesties doen voor de beste manier om de acties uit te voeren, en kan de operator de suggesties naar eigen goeddunken goedkeuren of bewerken.
“Deze kennisbasis kan van de ene robot naar de andere worden overgedragen”, zegt Pérez-D’Arpino. “Stel je voor dat je robot een ‘app’ downloadt voor manipulatievaardigheden. De ‘app’ kan zich aanpassen aan de nieuwe robot met een ander lichaam dankzij de flexibiliteit van het aanleren van beperkingen, die een wiskundig probleem zijn. representatie van de onderliggende geometrische vereisten van de taak, wat anders is dan het leren van een specifiek pad dat misschien niet haalbaar is in de taak nieuw robotlichaam.”
Met andere woorden, C-LEARN zorgt ervoor dat die kennis kan worden overgedragen en aangepast aan de context – een beetje zoals hoe een atleet een vaardigheid in de ene sport en deze enigszins aanpassen om beter te presteren in een andere sport, zonder dat u deze volledig opnieuw hoeft te leren actie.
De onderzoekers testten C-LEARN op Optimus, een kleine tweearmige robot ontworpen voor het opruimen van bommen, voordat ze de vaardigheid met succes overbrachten naar Atlas, een mensachtige van 1,80 meter lang. Ze denken dat het systeem de prestaties van robots in de productie en bij rampenbestrijding kan helpen verbeteren, om snellere reacties in tijdgevoelige situaties mogelijk te maken.
Aanbevelingen van de redactie
- MIT leert robots minder onhandig te maken door camera's in hun vingers te stoppen
- Kijk hoe de Mini Cheetahs van MIT zich voorbereiden op de robotapocalyps
- De slangenrobot van MIT is ontworpen om door bloedvaten in de hersenen te kruipen
- MIT whizzkids hebben een robot gekregen om de virale #BottleCapChallenge aan te pakken
- Japanse onderzoekers gebruiken deep learning A.I. om drijfhoutrobots in beweging te krijgen
Upgrade uw levensstijlDigital Trends helpt lezers de snelle wereld van technologie in de gaten te houden met het laatste nieuws, leuke productrecensies, verhelderende hoofdartikelen en unieke sneak peeks.
