Die Fortschritte der künstlichen Intelligenz KI machen mit der sich ständig weiterentwickelnden Technologie zunehmend Schlagzeilen. Die humanoiden Roboter, die wir in vielen Science-Fiction-Filmen gesehen haben, sind jedoch noch weit davon entfernt, Realität zu werden.
Experten sprechen auf der diesjährigen globalen KI-KonferenzaufgedecktDies liegt daran, dass die Branche immer noch mit bestimmten Schlüsselproblemen kämpft, um die Lücke zwischen Mensch und Roboter zu schließen. Eine davon ist die geringe Effizienz beim Lernen von Algorithmen.
Es scheint, dass das von Elon Musk gegründete KI-Forschungslabor OpenAI gerade einen großen Schritt in diese Richtung gemacht hat.In aBlog diese Woche auf der Website der Organisation veröffentlicht, OpenAI enthüllte die Entwicklung ihres OpenAI Five Lernalgorithmus in ein System namens Dactyl, das Roboter ohne die Eingabe von physikalisch-basierter Modellierung trainieren kann.
Ein Roboter mit beispielloser Geschicklichkeit
Dactyl verwendet ein Geschickte Hand des Schattens Gegenstände in einem Prozess zu handhaben, der zu Bewegungen führt, die mit der menschlichen Mobilität vergleichbar sind. "Wir haben einer menschenähnlichen Roboterhand beigebracht, physische Objekte mit beispielloser Geschicklichkeit zu manipulieren", heißt es im Blog der gemeinnützigen Organisation.
Eine echte Roboterhand, die mit dem gleichen Lernalgorithmus und Code wie OpenAI Five trainiert wurde, hat menschenähnliche Bewegungen gelernt, um Objekte zu drehen:https://t.co/PCScd0wAo6
— OpenAI @OpenAI 30. Juli 2018
OpenAI erklärte, dass Dactyl vollständig in Simulation trainiert ist und das erworbene Wissen erfolgreich in die Realität umsetzt. In den Übungen platzieren die Forscher einen Block in der Handfläche der Roboterhand und befehlen Dactyl, ihn neu zu positionieren.
Dactyl verarbeitet die Fingerspitzenkoordinaten der Hand und Bilder von drei RGB-Kameras und dreht den Block fast elegant herum. Die resultierende Bewegung ist unheimlich menschlich.
Roboterische humanoide Hände waren die ersten eingeführtVor Jahrzehnten erwies sich die traditionelle Robotik jedoch als unwirksam bei der Bereitstellung von Lösungen zum Trainieren der Werkzeuge, um Objekte effizient zu manipulieren. Also entschied sich OpenAI für die Verwendung Domain-Randomisierung, ein vom Labor erstellter Prozess zur Lösung des Schwierigkeiten bei der Übertragung simulierter Erfahrungen in die reale Weltbezeichnet als Realitätslücke.
Automatisch entdecktes Verhalten
Anstatt ein Modell auf einer einzelnen simulierten Umgebung zu trainieren, setzt die Domänenrandomisierung es in einer Simulation, die mit vielen Erfahrungen entwickelt wurde, einer Vielzahl von Umgebungen aus. Die Lösung erwies sich als erfolgreich.
OpenAI hat Dactyl dann weiter angepasst, um zufällige Objekte zu manipulieren, nicht nur solche, die zur Unterstützung der Verfolgung modifiziert wurden. Um dies zu erreichen, wurde Dactyl darauf trainiert, die Informationen aus den RGB-Kamerabildern zu verarbeiten, um die Position und Ausrichtung von Objekten mithilfe einer Faltung zu schätzenneurales Netzwerk.
Letztendlich erlebte OpenAI die Entwicklung eines Systems, das selbstständig lernen konnte, Bewegungen zu generieren, um den Block ähnlich wie von Menschen verwendete neu zu positionieren.
"Wir haben festgestellt, dass Dactyl eine reiche Auswahl an Flinke Manipulationsstrategien in der Hand um die Aufgabe zu lösen", lesen Sie den Blog.
"Diese Strategien werden auch häufig von Menschen verwendet. Wir bringen sie unserem System jedoch nicht explizit bei; alle Verhaltensweisen werden autonom entdeckt", erklärt der Blog weiter.
Über: OpenAI