211service.com
Nadrzędny algorytm pozwala robotom uczyć się wykonywania złożonych zadań
Mimo wszystkich rozmów o tym, że maszyny stają się inteligentne, uzyskanie wyrafinowanego robota do robienia czegokolwiek skomplikowanego, na przykład chwytania ciężkiego przedmiotu i przenoszenia go z jednego miejsca na drugie, nadal wymaga wielu godzin starannego, cierpliwego programowania.
Igor Mordatch , habilitant na Uniwersytecie Kalifornijskim w Berkeley, pracuje nad innym podejściem – takim, które mogłoby przyspieszyć przybycie robotów-pomocników, jeśli nie władców. Daje robotowi cel końcowy i algorytm, który pozwala mu wymyślić, jak sam osiągnąć cel. Taka niezależność będzie potrzebna, powiedzmy, aby robot pomocy domowej niezawodnie przyniósł ci filiżankę kawy z lady.
Mordatch działa w laboratorium Pietera Abbeela, profesora nadzwyczajnego robotyki w Berkeley. Kiedy w tym roku odwiedziłem laboratorium, zobaczyłem różne rodzaje robotów uczących się wykonywania różnych zadań. Duży biały robot badawczy o nazwie PR2, który ma wydłużoną głowę i dwa ramiona z dłońmi podobnymi do szczypiec, powoli zastanawiał się, jak zbierać jasne klocki, poprzez żmudny i często niezdarny proces prób i błędów.
Ponieważ pracuje nad lepszym procesem nauczania, Mordatch używa głównie oprogramowania symulującego roboty. Ten wirtualny model, opracowany po raz pierwszy z jego doradcą z tytułem doktora na Uniwersytecie Waszyngtońskim, Todorov , oraz inny profesor w szkole, Zoran Popović , ma pewne pojęcie o tym, jak nawiązać kontakt z ziemią lub przedmiotami. Algorytm uczący się następnie korzysta z tych wskazówek, aby znaleźć najskuteczniejszy sposób osiągnięcia celu. Jedyne, co mówimy, to „To jest cel, a sposobem na osiągnięcie celu jest próba zminimalizowania wysiłku” – mówi Mordatch. [Wniosek] następnie wychodzi te dwie zasady.
Symulowane roboty Mordatcha mają różne kształty i rozmiary, renderowane w blokowej grafice, która wygląda jak coś z niewyłowionej gry wideo. Przetestował swój algorytm na humanoidalnych kształtach; bezgłowe, czworonożne stworzenia o absurdalnie grubych ciałach; a nawet skrzydlate kreacje. W każdym przypadku po okresie uczenia się pojawia się niezwykle złożone zachowanie.
Jak pokazuje ten film, humanoidalny robot może nauczyć się wstawać z dowolnej pozycji na ziemi i stać na dwóch nogach w bardzo naturalnie wyglądający sposób; albo wdrapie się na półkę, a nawet stanie na głowie. Ten sam proces działa bez względu na formę robota i może nawet umożliwić dwóm robotom współpracę przy zadaniu, takim jak przenoszenie ciężkiego przedmiotu.
Opierając się na tej wcześniejszej pracy, w tym roku Mordatch opracował sposób, w jaki roboty mogą wykonywać powtarzalne zachowania, takie jak chodzenie, bieganie, pływanie lub latanie. Symulowana sieć neuronowa jest szkolona do sterowania robotem przy użyciu informacji o jego ciele, środowisku fizycznym i celu poruszania się w określonym kierunku. Powoduje to naturalnie wyglądającą lokomocję w wirtualnych robotach o humanoidalnym kształcie ciała i ruchy trzepotania w tych, które mają skrzydła. Kiedy operator mówi robotowi, gdzie ma się udać, jego sieć neuronowa odpowiednio dostosowuje środki lokomocji.
Coś podobnego może się zdarzyć u ludzi i innych zwierząt, gdy uczą się poruszać. Niemowlę spędza dużo czasu, pracując nad sposobem poruszania swoim ciałem, a później wykorzystuje tę wiedzę, aby szybko i instynktownie planować nowe ruchy.
Te rzeczy są piękne, mówi Josh Tenenbaum , profesor na Wydziale Brain and Cognitive Science na MIT, który bada, w jaki sposób ludzie się uczą, i pracuje nad sposobami zastosowania tych zasad do maszyn. Naprawdę próbują rozwiązać problem, który, jak sądzę, bardzo niewielu ludzi próbowało rozwiązać do niedawna.
Mordatch niedawno zaczął używać niektórych swoich technik w małym humanoidalnym robocie zwanym Darwin (patrz Robot Toddler uczy się stać, wyobrażając sobie, jak to zrobić ). Korzystanie z tych samych technik optymalizacji i uczenia się w świecie rzeczywistym jest jednak trudniejsze, ponieważ świat fizyczny jest bardziej złożony i nieprzewidywalny, a algorytm będzie zawierał niedoskonałe lub zaszumione informacje na jego temat.