Nauczanie robotów Uczenie robotów
Nowy system C-LEARN łączy w sobie dwa tradycyjne elementy uczenia się robotycznego — uczenie się na podstawie demonstracji i tak zwane planowanie ruchu, czyli działania, które programiści muszą zakodować na stałe. Mówią, że ta nowa technika ma ułatwić robotom wykonywanie szerokiego zakresu zadań przy mniejszym programowaniu.
„Roboty mogłyby być bardzo pomocne, gdyby tylko więcej osób mogło z nich korzystać” Claudia Perez-D’Arpino, doktorantka, która pracowała nad projektem, powiedziała Digital Trends. Wyjaśniła, że motywem działania zespołu było utrzymanie niektórych umiejętności na wysokim poziomie, jakie zapewniają najnowocześniejsi programiści, przy jednoczesnym umożliwieniu systemowi uczenia się poprzez demonstrację.
Polecane filmy
Programowanie robotów do wykonania nawet jednego zadania może być skomplikowane i wymagać precyzyjnych instrukcji, których kodowanie wymaga czasu. Zamiast tego Perez-D’Arpino i jej zespół opracowali C-LEARN, aby umożliwić ekspertom skupienie się na zadaniach najbardziej istotnych w ich dziedzinach. Dzięki temu systemowi osoby niebędące programistami mogą przekazywać robotom fragmenty danych na temat działania, a następnie uzupełniać luki, pokazując robotowi demonstrację wykonywanego zadania.
Jasona Dorfmana / MIT CSAIL
„Chcieliśmy […] umożliwić [ekspertom] nauczenie robotów planowania zadań kluczowych w ich obszarze zastosowania” – powiedział Pérez-D’Arpino. „Postęp, jaki nastąpił w ostatnich latach w uczeniu się na podstawie demonstracji, zmierza w tym kierunku”,
C-LEARN działa poprzez gromadzenie doświadczenia, które badacze nazywają bazą wiedzy. Baza ta zawiera informacje geometryczne dotyczące sięgania i chwytania przedmiotów. Następnie operator pokazuje robotowi trójwymiarową demonstrację wykonywanego zadania. Odnosząc swoją bazę wiedzy do zaobserwowanego działania, robot może sugerować najlepszy sposób wykonania działań, a operator może zatwierdzać lub edytować sugestie według własnego uznania.
„Ta baza wiedzy może zostać przeniesiona z jednego robota na drugiego” – powiedział Pérez-D'Arpino. „Wyobraźmy sobie, że Twój robot pobiera „aplikację” umożliwiającą manipulację. „Aplikacja” może dostosować się do nowego robota o innym ciele dzięki elastyczności wynikającej z uczenia się ograniczeń, które są matematycznym reprezentacja podstawowych wymagań geometrycznych zadania, która różni się od uczenia się określonej ścieżki, która może nie być wykonalna w programie nowe ciało robota.”
Innymi słowy, C-LEARN pozwala na przeniesienie tej wiedzy i dostosowanie jej do kontekstu — podobnie jak sportowiec może nauczyć się umiejętności w jednym sporcie i nieznacznie je zmienić, aby osiągać lepsze wyniki w innym sporcie, bez konieczności całkowitego ponownego uczenia się działanie.
Naukowcy przetestowali C-LEARN na Optimusie, małym dwurękim robocie przeznaczonym do usuwania bomb, zanim pomyślnie przekazali tę umiejętność Atlasowi, humanoidowi o wzroście na sześć stóp. Uważają, że system mógłby pomóc w poprawie wydajności robotów w produkcji i usuwaniu skutków katastrof, umożliwiając szybsze reagowanie w sytuacjach, w których liczy się czas.
Zalecenia redaktorów
- MIT uczy się, jak sprawić, by roboty były mniej niezdarne, umieszczając im kamery w palcach
- Zobacz, jak Mini Gepardy z MIT przygotowują się na apokalipsę robotów
- Wężowy robot MIT ma za zadanie czołgać się przez naczynia krwionośne w mózgu
- Dzieciaki z MIT dostały robota, który może zmierzyć się z wirusowym #BottleCapChallenge
- Japońscy badacze wykorzystują sztuczną inteligencję do głębokiego uczenia się. aby wprawić w ruch roboty z drewna wyrzuconego na brzeg
Ulepsz swój styl życiaTrendy cyfrowe pomagają czytelnikom śledzić szybko zmieniający się świat technologii dzięki najnowszym wiadomościom, zabawnym recenzjom produktów, wnikliwym artykułom redakcyjnym i jedynym w swoim rodzaju zapowiedziom.
