AI varētu palīdzēt padarīt robotus lētākus, neierobežojot to spējas

Kategorija: Mākslīgais intelekts Ievietots 19. jūlijs

Transfer mācīšanās, spēja izmantot zināšanas, kas iepriekš iegūtas no viena konteksta citā, varētu iemācīt lētus robotus veikt tikpat labi kā dārgus.

Konteksts: Viens no grūtākajiem izaicinājumiem, ar ko šobrīd saskaras robotika, ir panākt, lai robots darbotos nevainojami ārpus laboratorijas. Izpētes apstākļos ir iespējams aprīkot robotu ar dārgiem sensoriem un nodrošināt tam ideālu vidi, lai apgūtu navigāciju. Taču reālajā pasaulē to pašu sensoru izmantošana izrādītos dārga un patērētājiem nedraudzīga. Turklāt tas ir netīrs un nepilnīgs.

Priekšlikums: Brīvās universitātes pētnieki pievērsās mašīnmācības veidam, kas pazīstams kā pārneses mācīšanās, lai noskaidrotu, vai viņi var atrisināt problēmu. Transfer mācīšanās ir process, kurā algoritms ir iemācījies vienā kontekstā un pielieto to citā. To varētu izmantot, lai pielāgotu algoritmu, kas kontrolē robotu laboratorijā, lai tas varētu vadīt robotu reālajā pasaulē. Tas nozīmē, ka robots vispirms varētu trenēties, izmantojot labākus sensorus un labāku vidi, un pēc tam izmantot apgūto pat tad, ja tam ir tikai lēti sensori un slikta vide.

Rezultāti: Lai pārbaudītu šo ideju, pētnieki izveidoja robotu simulētā vidē, kurā tas vispirms navigēja ar astoņu tuvuma sensoru palīdzību un pēc tam ar vienu kameru. Viņi atklāja, ka tad, kad robotu kontrolējošais algoritms izmantoja pārsūtīšanas mācīšanos, lai pieņemtu lēmumus (tikai ar piekļuvi kamerai), tas iemācījās pārvietoties pa istabu daudz ātrāk nekā tad, ja tas vispār neizmantoja pārsūtīšanas mācīšanos. Tas bija arī daudz ātrāk nekā tad, kad apmācības laikā tika izmantota pārnešanas mācīšanās, nevis lēmumu pieņemšana.

Lai vairāk šādu stāstu tiktu piegādāts tieši jūsu iesūtnē, reģistrējieties mūsu Webby nominētajam AI informatīvajam izdevumam The Algorithm. Tas ir par brīvu.