Predarea roboților să învețe roboții
Noul sistem, C-LEARN, combină două elemente tradiționale ale învățării robotizate - învățarea din demonstrație și ceva numit planificarea mișcării, acțiuni care trebuie să fie codificate de către dezvoltatori. Ei spun că această nouă tehnică este menită să faciliteze roboților să realizeze o gamă largă de sarcini cu mai puțină programare.
„Roboții ar putea fi de mare ajutor dacă doar mai mulți oameni i-ar putea folosi.” Claudia Perez-D’Arpino, un doctorand care a lucrat la proiect, a declarat pentru Digital Trends. Ea a explicat că motivul echipei a fost de a menține unele dintre abilitățile de nivel înalt oferite de programatorii de ultimă generație, permițând în același timp sistemului să învețe prin demonstrație.
Videoclipuri recomandate
Programarea roboților pentru a îndeplini chiar și o singură sarcină poate fi complicată, implicând instrucțiuni precise care necesită timp pentru a codifica. În schimb, Perez-D’Arpino și echipa ei au dezvoltat C-LEARN pentru a permite experților să se concentreze pe sarcinile cele mai relevante pentru domeniile lor respective. Cu acest sistem, non-codatorii pot oferi roboților biți de date despre o acțiune și apoi pot completa golurile arătându-i robotului o demonstrație a sarcinii în cauză.
Jason Dorfman / MIT CSAIL
„Am vrut să… împuternicim [experților] să-i învețe pe roboți cum să planifice sarcinile care sunt critice în domeniul lor de aplicare”, a spus Pérez-D’Arpino. „Progresele din ultimii ani în învățarea din demonstrații se îndreaptă în această direcție”,
C-LEARN funcționează prin acumularea unui corp de experiență, pe care cercetătorii îl numesc o bază de cunoștințe. Această bază conține informații geometrice despre atingerea și prinderea obiectelor. În continuare, operatorul uman arată robotului o demonstrație 3D a sarcinii în cauză. Prin corelarea bazei de cunoștințe cu acțiunea pe care a observat-o, robotul poate face sugestii despre cum să efectueze cel mai bine acțiunile, iar operatorul poate aproba sau edita sugestiile după cum consideră de cuviință.
„Această bază de cunoștințe poate fi transferată de la un robot la altul”, a spus Pérez-D’Arpino. „Imaginați-vă că robotul dvs. descarcă o „aplicație” pentru abilități de manipulare. „Aplicația” se poate adapta la noul robot cu un corp diferit datorită flexibilității de a avea constrângeri învățate, care sunt un lucru matematic. reprezentarea cerinței geometrice de bază a sarcinii, care este diferită de învățarea unei anumite căi care ar putea să nu fie fezabilă în noul corp de robot.”
Cu alte cuvinte, C-LEARN permite ca aceste cunoștințe să se transfere și să se adapteze la contextul său - cam așa cum un atlet poate învăța o abilități într-un sport și modificați-l ușor pentru a performa mai bine într-un alt sport, fără a fi nevoie să reînvățați complet acțiune.
Cercetătorii au testat C-LEARN pe Optimus, un robot mic cu două brațe proiectat pentru eliminarea bombelor, înainte de a transfera cu succes abilitățile lui Atlas, un umanoid înalt de 6 metri. Ei cred că sistemul ar putea ajuta la îmbunătățirea performanței roboților în producție și ajutor în caz de dezastre, pentru a permite răspunsuri mai rapide în situații sensibile la timp.
Recomandările editorilor
- MIT învață să facă roboții mai puțin stângaci punându-le camere în degete
- Urmăriți-i pe mini-ghepardul de la MIT pregătindu-se pentru apocalipsa robotului
- Robotul șarpe al MIT este proiectat să se târască prin vasele de sânge din creier
- Copiii vrăjitori ai MIT au un robot care să facă față viralului #BottleCapChallenge
- Cercetătorii japonezi folosesc deep learning A.I. pentru a pune în mișcare roboții din lemn
Îmbunătățește-ți stilul de viațăDigital Trends îi ajută pe cititori să țină cont de lumea rapidă a tehnologiei cu toate cele mai recente știri, recenzii distractive despre produse, editoriale perspicace și anticipări unice.
