211service.com
Nøkkelen til smartere robotsamarbeidspartnere kan være mer enkelhet
Ms Tech | Getty, Pixabay
Tenk på alle de underbevisste prosessene du utfører mens du kjører. Når du tar inn informasjon om de omkringliggende kjøretøyene, forutser du hvordan de kan bevege seg og tenker i farten på hvordan du vil reagere på disse manøvrene. Du kan til og med tenke på hvordan du kan påvirke de andre sjåførene basert på hva de tror du kan gjøre.
Hvis roboter skal integreres sømløst i vår verden, må de gjøre det samme. Nå har forskere fra Stanford University og Virginia Tech foreslått en ny teknikk for å hjelpe roboter med å utføre denne typen atferdsmodellering, som de vil presentere på den årlige internasjonale konferansen om robotlæring neste uke. Det innebærer at roboten kun oppsummerer de brede strekene i andre agenters bevegelser i stedet for å fange dem i nøyaktige detaljer. Dette gjør at den kan forutsi deres fremtidige handlinger og sine egne svar uten å bli fastlåst av tunge beregninger.
En annen teori om sinnet
Tradisjonelle metoder for å hjelpe roboter med å jobbe sammen med mennesker henter inspirasjon fra en idé i psykologien kalt theory of mind. Det antyder at folk engasjerer seg og føler med hverandre ved å utvikle en forståelse av hverandres tro – en ferdighet vi utvikler som små barn. Forskere som bruker denne teorien fokuserer på å få roboter til å konstruere en modell av samarbeidspartnernes underliggende hensikt som grunnlag for å forutsi handlingene deres.
Dorsa Sadigh, assisterende professor ved Stanford, mener dette er ineffektivt. Hvis du tenker på interaksjoner mellom mennesker, gjør vi egentlig ikke det, sier hun. Hvis vi prøver å flytte et bord sammen, driver vi ikke med trosmodellering. I stedet, sier hun, stoler to personer som beveger et bord på enkle signaler som kreftene de føler fra samarbeidspartneren som skyver eller drar bordet: Så jeg tror det som egentlig skjer er at når mennesker gjør en oppgave sammen, holder de styr på noe det er mye lavere dimensjonalt.
Ved å bruke denne ideen kan en robot lagre svært enkle beskrivelser av sine omkringliggende agenters handlinger. I et spill med lufthockey, for eksempel, kan det lagre motstandernes bevegelser med bare ett ord: høyre, venstre eller senter. Den kan deretter bruke disse dataene til å trene to separate algoritmer: en maskinlæringsalgoritme som forutsier hvor motstanderen vil bevege seg neste gang, og en forsterkningslæringsalgoritme for å bestemme hvordan den skal reagere. Sistnevnte algoritme holder også styr på hvordan motstanderen endrer takt på grunnlag av sin egen respons, slik at den kan lære å påvirke motstanderens handlinger.
Nøkkelideen her er den lette naturen til treningsdataene, som er det som gjør at roboten kan utføre all denne parallelle treningen i farten. En mer tradisjonell tilnærming kan lagre koordinatene for hele banen til motstanderens bevegelser, ikke bare deres overordnede retning. Selv om det kan virke motintuitivt at mindre er mer, er det verdt å huske igjen Sadighs teori om menneskelig interaksjon. Også vi modellerer menneskene rundt oss bare i store trekk.
Forskerne testet denne ideen i simulering for applikasjoner inkludert en selvkjørende bil, og i den virkelige verden med et spill med robot-airhockey. I hver av forsøkene overgikk den nye teknikken tidligere metoder for å lære roboter å tilpasse seg omgivende agenter. Roboten lærte også effektivt å påvirke de rundt seg.
Fremtidig arbeid
Det er fortsatt noen problemer som fremtidig forskning vil måtte løse. Arbeidet forutsetter foreløpig for eksempel at hver interaksjon roboten engasjerer seg i er endelig, sier Jakob Foerster, adjunkt ved University of Toronto, som ikke var involvert i arbeidet.
I den selvkjørende simuleringen antok forskerne at robotbilen bare opplevde én tydelig avgrenset interaksjon med en annen bil under hver treningsrunde. Men kjøring fungerer selvfølgelig ikke slik. Interaksjoner er ofte kontinuerlige og vil kreve at en selvkjørende bil lærer og tilpasser atferden i hver interaksjon, ikke bare mellom dem.
En annen utfordring, sier Sadigh, er at tilnærmingen forutsetter kunnskap om den beste måten å beskrive en samarbeidspartners oppførsel. Forskerne måtte selv finne på etikettene høyre, venstre og midt i lufthockeyspillet for at roboten skulle beskrive motstanderens handlinger. Disse etikettene vil ikke alltid være så tydelige i mer kompliserte interaksjoner.
Likevel ser Foerster løfte i avisens bidrag. Å bygge bro mellom multi-agent læring og menneskelig-AI-interaksjon er en super viktig vei for fremtidig forskning, sier han. Jeg er veldig spent på når disse tingene blir satt sammen.