Ein Robotersystem für künstliche Intelligenz wurde entwickelt, um eine neue Aufgabe zu lernen, indem man sie nur einmal erledigt sieht. Das gemeinnützige Forschungsunternehmen für künstliche Intelligenz. OpenAI hat das Robotersystem nur anhand von Simulationen trainiert und auf einen physischen Roboter angewendet. Die Mission des Unternehmens besteht darin, sichere künstliche allgemeine Intelligenz aufzubauen und sicherzustellen, dass seine Vorteile offen verteilt werden.
[Bildquelle : OpenAI ]
Das Robotersystem
Ein Vision-Netzwerk und ein Imitationsnetzwerk Schalten Sie das System ein Damit kann der Roboter ein neues Verhalten lernen, das von einem Simulator demonstriert wurde. Das Robotersystem kann dieses spezifische Verhalten dann in verschiedenen Einstellungen in der realen Welt replizieren. Eine im Roboter integrierte Kamera erfasst ein aufgenommenes Bilddurch das Vision-Netzwerk und gibt anschließend den Zustand aus, der die Position eines Objekts darstellt. vorherige Arbeit Das Vision-Netzwerk wird mit Hunderttausenden von virtuellen Bildern trainiert, die verschiedene Störungen der Beleuchtung, Texturen und Objekte aufweisen. Das Vision-Netzwerk übt oder trainiert jedoch nicht mit realen Bildern.
Das Nachahmungsnetzwerk funktioniert genau so, wie der Name vermuten lässt. Durch Beobachtung einer Demonstration verarbeitet das Netzwerk visualisierte Bewegungen und ahmt dann die Absicht der Aufgabe aus einer Startkonfiguration nach. Dadurch kann das Netzwerk die Demonstration auf eine neue Einstellung aufrunden.
[Bildquelle : OpenAI ]
Für jede Aufgabe werden Tausende von Demonstrationen verwendet, um das Nachahmungsnetzwerk zu trainieren. Eine Schulungssitzung besteht aus zwei Demonstrationen, die genau dieselbe Aufgabe ausführen. Die erste Demonstration wird dem Netzwerk gegeben, das dann die zweite Demonstration nur einmal beobachten muss.Überwachtes Lernen wird eingerichtet, um die Aktion des Demonstrators bei dieser Beobachtung vorherzusagen. Der Roboter kann Aktionen effektiv vorhersagen, indem er lernt, wie er anhand der ersten Demonstration auf die Hauptsubstanz der Aufgabe schließen kann.
Durch die kontinuierliche Arbeit des Teams erhielt das Nachahmungsnetzwerk einen neuen Algorithmus namens One-Shot-Imitationslernen . Dieser Algorithmus ermöglicht es einem Menschen, eine neue Aufgabe zu verteilen, indem er sie ausführt. Virtuelle Realität . Aus einer einzelnen Demonstration kann das Robotersystem dieselbe Aufgabe lösen, indem es von einer zufälligen Konfiguration ausgeht.
Blockstapelaufgabe
Ausgestattet mit den Vision- und Imitationsnetzwerken wurde der Roboter getestet, indem er eine Blockstapelroutine durchführte, die über die von einem Menschen gesteuerte virtuelle Realität demonstriert wurde. Das Team versorgte den Roboter mit Trainingsdaten, die aus Trajektorienpaaren bestandenStapeln Sie Blöcke in derselben Reihenfolge in einen entsprechenden Satz von Türmen, jedoch ausgehend von einem anderen Startzustand.
Das Team musste ein gewisses Maß an Rauschen in die Ausgaben der Skriptrichtlinie des Systems einbringen, damit das Nachahmungsnetzwerk eine robuste Richtlinie erlernen konnte. Durch die Verwendung von Rauschdaten konnte das Robotersystem demonstrieren, wie eine Umgruppierung durchgeführt werden kannselbst, wenn etwas schief geht. Dies führte zu einem intelligenteren Nachahmungsnetzwerk, das die Anomalien und Störungen einer unvollständigen Skriptrichtlinie behebt.
Wenn Sie daran interessiert sind, Teil dieses Robotikprojekts zu sein, können Sie beitreten OpenAI in ihrem Hauptquartier in San Francisco.
Quelle : OpenAI