211service.com
Galvenais algoritms ļauj robotiem iemācīties veikt sarežģītus uzdevumus
Neraugoties uz runām par to, ka mašīnas kļūst inteliģentas, lai panāktu izsmalcinātu robotu, lai veiktu jebko sarežģītu, piemēram, satvertu smagu priekšmetu un pārvietotu to no vienas vietas uz citu, joprojām ir vajadzīgas daudzas stundas rūpīgas, pacietīgas programmēšanas.
Igors Mordačs , pēcdoktorants Kalifornijas universitātē Bērklijā, strādā pie citas pieejas — tādas, kas varētu palīdzēt paātrināt robotu palīgu, ja ne virskunga, ierašanos. Viņš dod robotam gala mērķi un algoritmu, kas ļauj tam izdomāt, kā pašam sasniegt mērķi. Tāda ir neatkarība, kas būs nepieciešama, teiksim, mājas palīdzības robotam, lai droši atnestu jums tasi kafijas no letes.
Mordatch strādā lab Pīters Ebīls, robotikas asociētais profesors Bērklijā. Kad šogad apmeklēju laboratoriju, redzēju, kā visādi roboti mācās veikt dažādus uzdevumus. Liels, balts pētniecības robots ar nosaukumu PR2, kuram ir iegarena galva un divas rokas ar knaiblēm līdzīgām rokām, rūpīgā un bieži vien neveiklā izmēģinājumu un kļūdu procesā lēnām izdomāja, kā savākt spilgtus celtniecības blokus.
Tā kā Mordačs strādā pie labāka mācību procesa, viņš galvenokārt izmanto programmatūru, kas simulē robotus. Šis virtuālais modelis, kas pirmo reizi tika izstrādāts kopā ar viņa doktora grādu Vašingtonas Universitātē, Todorovs , un vēl viens profesors skolā, Zorans Popovičs , ir zināma izpratne par to, kā izveidot kontaktu ar zemi vai ar priekšmetiem. Mācību algoritms pēc tam izmanto šīs vadlīnijas, lai meklētu visefektīvāko veidu, kā sasniegt mērķi. Vienīgais, ko mēs sakām, ir 'Tas ir mērķis, un veids, kā sasniegt mērķi, ir mēģināt samazināt piepūli,' saka Mordačs. Pēc tam [kustība] izriet no šiem diviem principiem.
Mordača simulētajiem robotiem ir visdažādākās formas un izmēri, kas tiek atveidoti blokveida grafikā, kas izskatās kā kaut kas no neizķertas videospēles. Viņš ir pārbaudījis savu algoritmu uz humanoīdu formām; bez galvas, četrkājainie radījumi ar absurdi resniem augumiem; un pat spārnoti darbi. Katrā gadījumā pēc mācīšanās perioda parādās kāda ārkārtīgi sarežģīta uzvedība.
Kā redzams šajā video, humanoīds robots var iemācīties piecelties no jebkuras pozīcijas uz zemes un nostāties uz divām kājām ļoti dabiski; vai arī tas uzkāps uz dzegas vai pat izpildīs stāvēšanu uz galvas. Tas pats process darbojas neatkarīgi no robota formas, un tas pat var dot iespēju diviem robotiem sadarboties, veicot kādu uzdevumu, piemēram, pārvietojot smagu priekšmetu.
Balstoties uz šo agrāko darbu, šogad Mordačs izstrādāja veidu, kā roboti veikt atkārtotas darbības, piemēram, staigāšanu, skriešanu, peldēšanu vai lidošanu. Simulēts neironu tīkls ir apmācīts kontrolēt robotu, izmantojot informāciju par tā ķermeni, fizisko vidi un mērķi pārvietoties noteiktā virzienā. Tas rada dabisku pārvietošanos virtuālajos robotos ar humanoidālu ķermeņa formu un plīvojošas kustības robotos, kuriem ir spārni. Kad operators pasaka robotam, kurp doties, tā neironu tīkls attiecīgi pielāgo pārvietošanās līdzekļus.
Kaut kas līdzīgs var notikt cilvēkiem un citiem dzīvniekiem, kad viņi mācās pārvietoties. Zīdainis pavada daudz laika, izstrādājot savu ķermeni, un vēlāk izmanto šīs zināšanas, lai ātri un instinktīvi plānotu jaunas kustības.
Šīs lietas ir skaistas, saka Džošs Tenenbaums MIT Smadzeņu un kognitīvās zinātnes katedras profesors, kurš pēta, kā cilvēki mācās, un strādā pie veidiem, kā šos principus piemērot mašīnām. Viņi patiešām cenšas atrisināt problēmu, kuru, manuprāt, līdz nesenam laikam ir mēģinājuši atrisināt ļoti maz cilvēku.
Mordačs nesen sāka izmantot dažus no saviem paņēmieniem nelielā humanoīdā robotā, ko sauc par Darvinu (skatiet sadaļu Robots Toddler Learns to Stand by Imagining How to Do It). Tomēr to pašu optimizācijas un mācīšanās paņēmienu izmantošana reālajā pasaulē ir sarežģītāka, jo fiziskā pasaule ir sarežģītāka un neparedzamāka, kā arī tāpēc, ka algoritmam par to būs nepilnīga vai trokšņaina informācija.