Fortschritte in der künstlichen Intelligenz KI machen zunehmend Schlagzeilen, da sich die Technologie ständig weiterentwickelt. 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-Konferenz enthüllt Dies liegt daran, dass die Branche immer noch mit bestimmten Schlüsselproblemen zu kämpfen hat, um die Lücke zwischen Menschen und Robotern zu schließen. Eines davon ist das geringe Effizienz bei Lernalgorithmen.
Es scheint, dass das von Elon Musk gegründete KI-Forschungslabor OpenAI gerade einen großen Schritt in diese Richtung gemacht hat. In a Blog OpenAI wurde diese Woche auf der Website der Organisation veröffentlicht und enthüllte die Entwicklung ihrer OpenAI Five Lernalgorithmus in ein System namens Dactyl, das Roboter ohne Eingabe einer physikalisch basierten Modellierung trainieren kann.
Ein Roboter mit beispielloser Geschicklichkeit
Dactyl verwendet a Shadow Dexterous Hand um Objekte in einem Prozess zu handhaben, der zu Bewegungen führt, die mit der menschlichen Mobilität vergleichbar sind. "Wir haben eine menschenähnliche Roboterhand trainiert, um physische Objekte mit beispielloser Geschicklichkeit zu manipulieren", heißt es im Blog des gemeinnützigen Unternehmens.
Eine echte Roboterhand, die mit demselben Lernalgorithmus und Code wie OpenAI Five trainiert wurde, hat menschenähnliche Bewegungen zum Drehen von Objekten gelernt : https://t.co/PCScd0wAo6
- OpenAI @OpenAI 30. Juli 2018
OpenAI erklärte, dass Dactyl vollständig in Simulation geschult ist und das erworbene Wissen erfolgreich in die Realität umsetzt. In den Übungen platzieren die Forscher einen Block in der Handfläche des Roboters und befehlen Dactyl, ihn neu zu positionieren.
Dactyl verarbeitet die Fingerspitzenkoordinaten und Bilder der Hand von drei RGB-Kameras und wirbelt den Block fast elegant herum. Die resultierende Bewegung ist unheimlich menschlich.
Roboter humanoide Hände waren zuerst eingeführt Vor Jahrzehnten erwies sich die traditionelle Robotik jedoch als unwirksam bei der Bereitstellung von Lösungen für das Training der Werkzeuge zur effizienten Manipulation von Objekten. Daher entschied sich OpenAI für die Verwendung. Domain Randomisierung ein vom Labor erstellter Prozess zur Lösung des Problems Schwierigkeiten im Zusammenhang mit der Übertragung simulierter Erfahrungen in die reale Welt bezeichnet als Realitätslücke .
Verhaltensweisen autonom entdeckt
Anstatt ein Modell in einer einzelnen simulierten Umgebung zu trainieren, wird es durch die Domänen-Randomisierung in einer Simulation mit vielen Erfahrungen einer Vielzahl von Umgebungen ausgesetzt. Die Lösung hat sich als erfolgreich erwiesen.
OpenAI hat Dactyl dann weiter angepasst, um zufällige Objekte manipulieren zu können, 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 abzuschätzenneurales Netzwerk.
Am Ende war OpenAI Zeuge der Schaffung eines Systems, das selbst lernen konnte, Bewegungen zu erzeugen, um den Block ähnlich wie die von Menschen verwendeten neu zu positionieren.
"Wir haben festgestellt, dass Dactyl eine Vielzahl von verwendet geschickte Manipulationsstrategien in der Hand um die Aufgabe zu lösen, "lesen Sie den Blog.
"Diese Strategien werden häufig auch von Menschen verwendet. Wir bringen sie jedoch nicht explizit unserem System bei; alle Verhaltensweisen werden autonom entdeckt", erklärte der Blog weiter.
Via : OpenAI