211service.com
Denne roboten kan sannsynligvis slå deg på Jenga – takket være dens forståelse av verden
VITENSKAP ROBOTIKK / FORSIDEBILDE: JOHN HOPKINS UNIVERSITY, WILL KIRK / HOMEWOOD PHOTOGRAPHY Science Robotics / Forsidebilde: John Hopkins University, WILL KIRK / HOMEWOOD PHOTOGRAPHY
Til tross for blendende fremskritt innen AI, er roboter fortsatt forferdelig ham-fisted.
I økende grad tyr forskere og bedrifter til maskinlæring for å gjøre dem mer tilpasningsdyktige og fingerferdige. Dette betyr vanligvis å mate roboten en video av hva som er foran den og be den finne ut hvordan den skal bevege seg for å manipulere objektet. For eksempel forskere ved OpenAI, en ideell organisasjon i San Francisco, lærte en robothånd å manipulere en barneblokk på denne måten.
Men mennesker bruker selvfølgelig mer enn bare øynene for å lære å håndtere gjenstander. Syn er kombinert med en følelse av berøring – og vi lærer tidlig at gjenstander som er plassert ustabilt sannsynligvis vil falle over.
Det var det som inspirerte en ny robot, utviklet av Nima Fazeli og hans kolleger ved MIT, som har fått en grunnleggende forståelse av den virkelige verdens fysikk – og en brukbar berøringssans.
Det beviste hvor kvikk-fingret det er ved å mestre Jenga , et spill som innebærer å fjerne blokker fra et usikkert sammensatt tårn, ideelt sett uten å få det til å velte. Roboten viste også en slags oppfinnsomhet som er avgjørende for menneskelige spillere: å bedømme hvilken blokk den kan fjerne uten å få tårnet til å falle ned.
Forskningen bygger på flere nøkkelideer utviklet av Josh Tenenbaum , ved Institutt for hjerne- og kognitivvitenskap ved MIT, og hans forskning på menneskelig kognisjon. Dette inkluderer ideen om at mennesker utvikler en intuitiv forståelse av fysikk fra en tidlig alder, og at sannsynlighet er nøkkelen til resonnement om verden. Dette skiller seg fra mye AI-forskning i dag, som dreier seg om å mate så mye data som mulig til veldig store eller dype nevrale nettverk.
Roboten, utstyrt med kraftsensorer så vel som kameraer, lærer å spille Jenga ved å stikke og stikke på blokker og bruke visuell og taktil tilbakemelding for å trene opp en fysikkmodell av verden.
Så, når den sto overfor et nytt tårn av blokker, brukte den modellen til å antyde, sannsynlig, hvilken blokk den skulle prøve å stikke ut av tårnet neste gang. Du kan se hvor bra det var i videoen over.
Vitenskap Robotikk
Ved å kombinere syn, berøring og denne modellen av virkelig fysikk, kan roboten lære å spille Jenga mer effektivt enn det ellers ville vært mulig. Den intuitive fysikkmodellen lar også roboten raskt forstå at en blokk som henger over en kant mest sannsynlig vil falle. I testing overgikk tilnærmingen konvensjonelle maskinlæringsmetoder. Forskningen er publisert i dag i tidsskriftet Science Robotics .
Denne mer menneskelignende læringsteknikken kan bidra til å gjøre fabrikk- og lagerroboter langt mer kapable. Hvis det mislykkes, kan de i det minste utfordre deg til et morsomt selskapsspill.