Ensinando Robôs a Ensinar Robôs
O novo sistema, C-LEARN, combina dois elementos tradicionais de aprendizagem robótica – aprendizagem a partir de demonstração e algo chamado planejamento de movimento, ações que precisam ser codificadas pelos desenvolvedores. Eles dizem que esta nova técnica pretende tornar mais fácil para os robôs realizarem uma ampla gama de tarefas com menos programação.
“Os robôs poderiam ser de grande ajuda se mais pessoas pudessem usá-los”, Claudia Perez-D'Arpino, um candidato a doutorado que trabalhou no projeto, disse à Digital Trends. Ela explicou que o motivo da equipe era manter algumas das habilidades de alto nível possibilitadas por programadores de última geração, ao mesmo tempo em que permitia que o sistema aprendesse por meio de demonstração.
Vídeos recomendados
Programar robôs para executar até mesmo uma única tarefa pode ser complicado, envolvendo instruções precisas que levam tempo para serem codificadas. Em vez disso, Perez-D’Arpino e a sua equipa desenvolveram o C-LEARN para permitir que os especialistas se concentrem nas tarefas mais relevantes para as suas respetivas áreas. Com este sistema, os não codificadores podem fornecer aos robôs fragmentos de dados sobre uma ação e, em seguida, preencher as lacunas mostrando ao robô uma demonstração da tarefa em questão.
Jason Dorfman/MIT CSAIL
“Queríamos… capacitar [especialistas] para ensinar aos robôs como planejar tarefas que são críticas em seu campo de aplicação”, disse Pérez-D’Arpino. “O progresso nos últimos anos na aprendizagem a partir das demonstrações está caminhando nesta direção”,
O C-LEARN funciona acumulando um corpo de experiência, que os pesquisadores chamam de base de conhecimento. Esta base contém informações geométricas sobre como alcançar e agarrar objetos. Em seguida, o operador humano mostra ao robô demonstrações em 3D da tarefa em questão. Ao relacionar sua base de conhecimento com a ação observada, o robô pode fazer sugestões sobre a melhor forma de executar as ações, e o operador pode aprovar ou editar as sugestões conforme achar adequado.
“Essa base de conhecimento pode ser transferida de um robô para outro”, disse Pérez-D’Arpino. “Imagine que seu robô está baixando um ‘aplicativo’ para habilidades de manipulação. O ‘app’ pode se adaptar ao novo robô com um corpo diferente graças à flexibilidade de ter aprendido restrições, que são matemáticas representação do requisito geométrico subjacente da tarefa, o que é diferente de aprender um caminho específico que pode não ser viável no novo corpo de robô.”
Em outras palavras, o C-LEARN permite que o conhecimento seja transferido e adaptado ao seu contexto - mais ou menos como um atleta pode aprender um habilidade em um esporte e alterá-la ligeiramente para ter melhor desempenho em um esporte diferente, sem ter que reaprender completamente o Ação.
Os pesquisadores testaram o C-LEARN no Optimus, um pequeno robô de dois braços projetado para eliminar bombas, antes de transferir com sucesso a habilidade para o Atlas, um humanóide de quase dois metros de altura. Eles acham que o sistema poderia ajudar a melhorar o desempenho dos robôs na fabricação e no socorro a desastres, para permitir respostas mais rápidas em situações urgentes.
Recomendações dos editores
- MIT aprende a tornar robôs menos desajeitados colocando câmeras em seus dedos
- Veja os Mini Cheetahs do MIT se preparando para o apocalipse do robô
- O robô cobra do MIT foi projetado para rastejar pelos vasos sanguíneos do cérebro
- Os garotos prodígios do MIT conseguiram um robô para enfrentar o viral #BottleCapChallenge
- Pesquisadores japoneses usam IA de aprendizagem profunda. para fazer robôs de madeira flutuante se moverem
Atualize seu estilo de vidaO Digital Trends ajuda os leitores a acompanhar o mundo acelerado da tecnologia com as últimas notícias, análises divertidas de produtos, editoriais perspicazes e prévias exclusivas.
