211service.com
Ten robot prawdopodobnie może cię pokonać w Jenga – dzięki swojemu zrozumieniu świata
ROBOTYKA NAUKA / OKŁADKA: JOHN HOPKINS UNIVERSITY, WILL KIRK / HOMEWOOD PHOTOGRAPHY Science Robotics / Zdjęcie na okładce: John Hopkins University, WILL KIRK / HOMEWOOD PHOTOGRAPHY
Pomimo olśniewających postępów w sztucznej inteligencji roboty wciąż mają straszliwe pięści.
Coraz częściej naukowcy i firmy sięgają po uczenie maszynowe, aby były bardziej adaptacyjne i zręczne. Zazwyczaj oznacza to nakarmienie robota filmem przedstawiającym to, co znajduje się przed nim, i poproszenie go, aby wymyślił, jak powinien się poruszać, aby manipulować tym obiektem. Na przykład badacze z OpenAI, organizacji non-profit z San Francisco, nauczył robotycznej ręki manipulowania dziecięcym klockiem w ten sposób.
Ale ludzie, oczywiście, używają czegoś więcej niż tylko oczu, aby nauczyć się obchodzić z przedmiotami. Wzrok łączy się ze zmysłem dotyku — i wcześnie dowiadujemy się, że przedmioty ustawione niestabilnie prawdopodobnie się przewrócą.
To właśnie zainspirowało nowego robota, opracowanego przez Nimę Fazeli i jego współpracowników z MIT, który otrzymał fundamentalną wiedzę na temat fizyki świata rzeczywistego — i użyteczny zmysł dotyku.
Udowodnił, jak bardzo jest zwinny przez mastering Jenga , gra polegająca na usuwaniu klocków z niepewnie zmontowanej wieży, najlepiej bez powodowania jej przewrócenia. Robot wykazał się również swoistą pomysłowością, która jest kluczowa dla ludzkich graczy: oceniając, który blok może usunąć bez powodowania upadku wieży.
Badania opierają się na kilku kluczowych pomysłach opracowanych przez Josh Tenenbaum , na Wydziale Mózgu i Nauk Kognitywnych na MIT, oraz jego badania nad ludzkim poznaniem. Obejmuje to ideę, że ludzie rozwijają intuicyjne rozumienie fizyki od najmłodszych lat i że prawdopodobieństwo jest kluczem do wnioskowania o świecie. Różni się to od wielu współczesnych badań nad sztuczną inteligencją, które koncentrują się na dostarczaniu jak największej ilości danych do bardzo dużych lub głębokich sieci neuronowych.
Robot, wyposażony w czujniki siły, a także kamery, uczy się grać w Jengę, szturchając i szturchając klocki oraz wykorzystując wizualną i dotykową informację zwrotną, aby wytrenować fizyczny model świata.
Następnie, w obliczu nowej wieży z bloków, wykorzystał model, aby prawdopodobnie wywnioskować, który blok powinien spróbować wysunąć z wieży jako następny. Możesz zobaczyć, jak dobrze było na powyższym filmie.
Nauka Robotyka
Łącząc wizję, dotyk i ten model fizyki w świecie rzeczywistym, robot może nauczyć się grać w Jengę wydajniej, niż byłoby to możliwe w innym przypadku. Intuicyjny model fizyki pozwala również robotowi szybko zrozumieć, że klocek zwisający z krawędzi najprawdopodobniej spadnie. W testach podejście to przewyższyło konwencjonalne metody uczenia maszynowego. Badania są opublikowany dzisiaj w czasopiśmie Science Robotics .
Ta bardziej ludzka technika uczenia się może pomóc zwiększyć możliwości robotów w fabrykach i magazynach. Jeśli to się nie powiedzie, mogą przynajmniej wyzwać cię na zabawną grę towarzyską.