Несмотря на все успехи искусственного интеллекта, роботы все еще ужасно неуклюжи. Поэтому исследователи и компании все чаще обращаются к машинному обучению, чтобы сделать их более ловкими.
В частности, исследователи из Массачусетского технологического института (MIT) разработали робота, который использует машинное обучение для того, чтобы выполнить, казалось бы, легкомысленную задачу - сыграть в игру Jenga. Эта классическая игра довольно проста - игроки должны удалять отдельные блоки из сложенной башни, не разрушив ее.
Однако, это не столько игра, сколько большой шаг в сложном процессе разработки роботов для управления объектами в реальном мире. Исследователи оснастили руку промышленного робота мягким захватом, внешней камерой и чувствительной манжетой на запястье, благодаря чему он может как видеть, так и чувствовать отдельные блоки в башне Jenga. Т.е. он получил фундаментальное понимание физики реального мира и практическое чувство осязания.
Когда робот осматривает башню, программное обеспечение сообщает одному из пальцев, что нужно нажать на блок, который посылает обратную связь на датчик, чтобы определить, насколько подвижен этот конкретный блок. Если он слишком жесткий, робот попробует другой блок и продолжает толкать его с шагом в миллиметр, пока он не выступит достаточно далеко, чтобы его можно было вытянуть.
Исследователи опубликовали свои выводы в журнале Science Robotics. Они основаны на нескольких ключевых идеях, разработанных в Департаменте мозга и когнитивных наук в Массачусетском технологическом институте. Оно включает в себя идею, что люди развивают интуитивное понимание физики с раннего возраста. При этом дети интегрируют осязание и зрение, чтобы понять свойства как изучаемого объекта, так и развивать представления об окружающем мире, что является центральным моментом для нашей способности эффективно планировать и выполнять навыки манипуляции.
Подобное представление отличается от многих современных исследований искусственного интеллекта, которые вращаются вокруг передачи как можно большего количества данных в очень большие или «глубокие» нейронные сети.
Кроме того, новый подход является отклонением от того, как другие робототехники решают проблему обучения роботов взаимодействию с объектами. Например, исследователи из Калифорнийского университета в Беркли используют так называемое «обучение с подкреплением», которое опирается на множество случайных движений со стороны робота и систему поощрений. Если робот перемещает свою руку каким-либо произвольным образом, который приближает его к заданной цели, он получает цифровое вознаграждение, которое, по сути, говорит ему: «Да, продолжай делать именно так». Со временем путем проб и ошибок робот изучает задачу манипуляции. Но у него нет такого понимания физики, как у робота, играющего в Jenga.
Новый робот Jenga сравнивает свои экспериментальные разработки с предыдущими попытками и оценивает свой успех. Робот узнает, как выглядели и ощущались все эти попытки с помощью камеры и датчика силы.
На первый взгляд, идея создания робота, единственная задача которого состоит в том, чтобы играть в Jenga, выглядит бесполезной для решения практических задач. Однако это не так. Концепция робота, который может узнать о физическом мире, как из визуальных подсказок, так и из тактильных взаимодействий, имеет огромную применимость. Эта более очеловеченная техника обучения поможет расширить возможности промышленных роботов. Например, она сделает возможным их использование для сортировки вторсырья из мусорных свалок или для сборки потребительских товаров, к примеру таких, как мобильные телефоны.
Ранее на эту тему
10 роботов 2018 года, которые поражают сознание
Дети сами программируют свои игрушки: 8 лучших роботов с выставки в Германии
Индийские школьники сделали сотрудника ГИБДД
Чтобы узнать больше о цифровых технологиях для детей, от гаджетов до приложений, подпишитесь на канал SmartChild!
