Forscher von UC Berkeley haben einen Roboter entwickelt, der sich mithilfe von Spielen über Objekte unterrichtet. Basierend auf der Art und Weise, wie Babys und Kleinkinder durch Experimentieren mit Objekten lernen, um zu verstehen, wie sie manipuliert werden können, lernt der Roboter die Objekte'von Grund auf neu' und baut sein Verständnis der Welt um ihn herum eher durch Experimente als durch Datensätze auf.
Die Technologie, genannt Vestri von seinen Machern am Fakultät für Elektrotechnik und Informatik ist in der Lage, die Konsequenzen seiner zukünftigen Aktionen zu visualisieren. Es verwendet eine Technologie namens "visuelle Voraussicht", die es ihm ermöglicht, Objekte zu manipulieren, die es zuvor noch nicht erlebt hat. Der clevere Roboter kann sogar Objekte vermeiden, die dies könntenihren Spielzielen im Wege stehen. UC Berkeley Assistenzprofessor Sergey Levine erklärt die Technologie: „So wie wir uns vorstellen können, wie unsere Aktionen die Objekte in unserer Umgebung bewegen, kann diese Methode einem Roboter ermöglichen, zu visualisieren, wie sich unterschiedliche Verhaltensweisen auf die Welt um ihn herum auswirken. Dies kann eine intelligente Planung in hohem Maße ermöglichenflexible Fähigkeiten in komplexen realen Situationen. “
Vestri kombiniert zwei Arten des KI-Lernens
Das Projekt macht einen großen Schritt vorwärts im Bereich der „Roboterausbildung“. Es kombiniert zwei Technologien, die für die Branche der künstlichen Intelligenz von wesentlicher Bedeutung sind: verstärktes Lernen und tiefes Lernen.
Reinforcement Learning bildet Roboter aus, indem es sie dazu bringt, Aufgaben immer wieder zu wiederholen, um ihren Ansatz zu verbessern. Deep Learning verwendet neuronale Netzwerktechnologie, um Robotern Informationen darüber zu geben, wie sie ihre Welt und Aufgaben verstehen können. Beide Arten von Technologien werden in der Technik häufig verwendetRobotik, sie auf diese Weise zu kombinieren, ist ein neuer Ansatz. Carlos Guestrin Der Chief Executive Officer des AI-Startups Dato und Professor für maschinelles Lernen an der University of Washington beschreibt die Arbeit in Berkeley mit den Worten: „Das war der heilige Gral der Robotik.“
Roboter können lernen, von Kindern zu lernen
Während sich der Roboter und seine Systeme noch in der Entwicklung befinden, ist das hart arbeitende Berkeley-Team auf dem besten Weg, etwas zu schaffen, das sowohl eine hohe Intelligenz als auch Flexibilität aufweist. “Kinder können etwas über ihre Welt lernen, indem sie mit Spielzeug spielen und es bewegen.Greifen und so weiter. Unser Ziel mit dieser Forschung ist es, einem Roboter zu ermöglichen, dasselbe zu tun: durch autonome Interaktion zu lernen, wie die Welt funktioniert “ Levine sagte. „Die Fähigkeiten dieses Roboters sind noch begrenzt, aber seine Fähigkeiten werden vollautomatisch erlernt und ermöglichen es ihm, komplexe physikalische Interaktionen mit Objekten vorherzusagen, die er noch nie zuvor gesehen hat, indem er auf zuvor beobachteten Interaktionsmustern aufbaut.“
Wissenschaftler wollen Robotern Hartnäckigkeit beibringen
Eine große Hürde für das Team besteht darin, Wege zu entwickeln, wie der Roboter besser mit Fehlern umgehen kann. Roboter neigen dazu, anzuhalten und abzuschalten, wenn sie vor einer Aufgabe stehen, die sie nicht verstehen. Aber die kindliche Entschlossenheit, neu lernen zu wollenFähigkeiten müssen irgendwie in die Maschinen eingebaut werden. Das Team plant, dem Roboter komplexere Spielarten wie das Aufnehmen und Ablegen von Objekten und das Manipulieren von weichen Objekten vorzustellen. Die Forschung wird auf der vorgestellt. Neuronale Informationsverarbeitungssysteme Konferenz in Long Beach, Kalifornien diese Woche.
Via : UC Berkeley