Et rom med Ikea-møbler i stadig endring kan hjelpe AI med å navigere verden rundt

En illustrasjon av en robot som vender mot et rom fylt med møbler. AI2

I en bygning overfor hovedkontoret i Seattle, har Allen Institute for Artificial Intelligence (AI2) nok Ikea-møbler til å konfigurere 14 forskjellige leiligheter. Laboratoriet går ikke inn i interiørdesign - ikke akkurat. Ressursene er ment å trene smartere algoritmer for å kontrollere roboter.

Husholdningsroboter som Roomba fungerer bra bare fordi oppgavene deres er relativt enkle. Å snirkle seg rundt, doble tilbake og gå tilbake til de samme stedene om og om igjen spiller ingen rolle når målet er å ubøyelig rengjøre det samme gulvet.

Men alt som krever mer effektiv eller komplisert navigasjon, snubler fortsatt mange toppmoderne roboter. Forskningen som trengs for å forbedre denne status quo er også kostbar – og begrenser de fleste banebrytende fremskritt til godt finansierte kommersielle laboratorier.

Nå vil AI2 slå to fluer i en smekk. Tirsdag kunngjorde det en ny utfordring kalt RoboTHOR (THOR for The House of interactions – ja, virkelig). Det vil fungere som en måte å crowdsource bedre navigasjonsalgoritmer på og senke de økonomiske barrierene for forskere som kanskje ikke har egne robotressurser.

Det endelige målet er å raskere fremme AI ved å involvere flere forskningsgrupper. Ulike samfunn bør bringe forskjellige perspektiver og brukssaker som vil utvide repertoaret av robotkapasiteter, og drive feltet nærmere mer generaliserbar intelligens.

En side-ved-side-sammenligning av ekte og simulerte spiserom i en av leilighetskonfigurasjonene.

Laboratoriet har designet et lett rekonfigurerbart rom, på størrelse med et trangt studio, for å være sceneplass for alle 14 leilighetsvarianter. Det har det også gjenskapte identiske virtuelle kopier i Unity, en populær videospillmotor – så vel som 75 andre konfigurasjoner – som alle har vært åpen kildekode på nettet. Til sammen vil disse 89 konfigurasjonene tilby realistiske simuleringsmiljøer for team over hele verden for å trene og teste navigasjonsalgoritmene deres. Miljøene kommer også forhåndslastet med modeller av AI2s roboter og speiler fysisk fysikk som gravitasjon og lysrefleksjoner så nært som mulig.

Utfordringen ber spesielt team om å utvikle algoritmer som kan få en robot fra et tilfeldig startsted i et rom til et objekt i det rommet bare ved å fortelle den objektets navn. Dette vil være vanskeligere enn enkel navigering fordi det vil kreve at roboten forstår kommandoen og gjenkjenner objektet i synsfeltet også.

Lagene vil konkurrere i tre faser. I fase én vil de få de 75 digitale simuleringsmiljøene for å trene og validere algoritmene deres. I fase to vil de best presterende så få fire nye simuleringsmiljøer med tilsvarende fysiske doppelgangere. Lagene vil kunne fjernavgrense algoritmene sine ved å laste dem inn i AI2s ekte roboter.

I den siste fasen må de som oppnår best ytelse demonstrere generaliserbarheten til sine algoritmer i de siste 10 digitale og tilsvarende fysiske leilighetene. Uansett hvilke lag som presterer best i denne sluttfasen vil vinne skryterettigheter og en invitasjon til å demonstrere modellene deres på Conference on Computer Vision and Pattern Recognition, en ledende AI-forskningskonferanse for visjonsbaserte systemer.

Ulike ekte og simulerte objekter. AI2

Etter at utfordringen er over, planlegger AI2 å holde oppsettet tilgjengelig, slik at alle får tilgang til miljøet for å fortsette å utføre robotforskning. Forskere som klarerer en viss terskel for nøyaktighet i de simulerte miljøene – som beviser at de ikke vil krasje robotene – vil få lov til å fjerndistribuere algoritmene sine i de fysiske. Rommet vil rotere mellom de forskjellige møbelkonfigurasjonene.

Vi skal opprettholde dette miljøet, og vi skal vedlikeholde disse robotene, sier Ani Kembhavi, en forsker ved AI2 som leder prosjektet. Teamet hans planlegger å utvikle et tidsdelingssystem for å tillate forskjellige forskere å bytte på fjerntesting av algoritmene deres i den virkelige verden.

AI2 håper strategien vil gjøre robotforskning mer tilgjengelig ved å eliminere så mye av de tilhørende maskinvarekostnadene som mulig. Den håper også at ordningen vil inspirere andre godt finansierte organisasjoner til å åpne opp ressursene sine på lignende måter. I tillegg designet det med vilje sitt rekonfigurerbare rom med lave materialkostnader og globalt tilgjengelige Ikea-møbler; oppsettet kostet omtrent 10 000 dollar. Skulle andre forskere ønske å bygge sine egne fysiske treningsrom, kan de enkelt replikere det lokalt og likevel matche de virtuelle simuleringsmiljøene.

Kembhavi, hvis far er astronom, sammenligner ideen med global deling av teleskoper. Samfunn som astronomi har funnet ut hvordan de kan ta dyre ressurser og gjøre det tilgjengelig for forskere over hele verden, sier han.

Det er vår visjon for dette miljøet, legger han til. Innebygget AI for alle.

gjemme seg