Google izveido robotizētu Hive-Mind bērnudārzu

Cik robotu ir nepieciešams, lai atvērtu durvis? Ja roboti mēģina izdomāt, kā veikt uzdevumu no nulles, tad palīdz iesaistīt pēc iespējas vairāk cilvēku.

Trīs atsevišķos pētījumos, kas pirmdien tika publicēti tiešsaistē, Google un citu Alphabet meitasuzņēmumu pētnieki parādīja vairākus veidus, kā roboti var iemācīties ātrāk veikt vienkāršus uzdevumus, daloties ar dažāda veida mācīšanās pieredzi.

Pētnieki apmāca rūpniecisko robotu komandas, lai veiktu vienkāršus uzdevumus, izmantojot metodi, ko sauc par pastiprināšanas mācīšanos, kas apvieno izmēģinājumus un kļūdas ar pozitīvām atsauksmēm. Pašlaik šie uzdevumi ir ārkārtīgi vienkārši, piemēram, durvju atvēršana vai objektu pagrūšana. Taču šādi sasniegumi būs ļoti svarīgi, ja roboti kādreiz spēs palīdzēt ikdienas darbos, piemēram, veļas locīšanas vai trauku mazgāšanā.

Četri roboti trenējas atvērt dažādas durvis.

Lai gan roboti kļūst arvien lētāki un jaudīgāki, ieprogrammēt tos uzticamai darbībai neparedzamās ikdienas situācijās ir gandrīz neiespējams uzdevums. Pastiprināšanas mācības piedāvā risinājumu, ļaujot robotiem būtībā programmēt sevi, kad viņi mācās darbā. Taču atsevišķam robotam var būt ļoti laikietilpīgi, lai mēģinātu veikt dažādus darbus. Mācību procesa kopīgošana, ko bieži sauc par mākoņrobotiku, var palīdzēt paātrināt procesu, lai gan ideja joprojām ir agrīnā stadijā (skatiet sadaļu 10 izrāvienu tehnoloģijas: roboti, kas māca viens otru).

Pirmdien izdotajos trīs dokumentos Sergejs Levins , Google pētnieks, kurš vada robotu mācīšanās centienus, un kolēģi sīki izklāsta vairākas mācīšanās stratēģijas, kuras var izplatīt robotu grupā.

Katrā gadījumā iesaistītie roboti izmanto neironu tīklus, kas mēģina paredzēt dažādu darbību rezultātu. Katrs robots nedaudz maina savu uzvedību un pēc tam pastiprina variācijas, kas dod lielāku atlīdzību. Pēc tam šie tīkli periodiski tiek nosūtīti atpakaļ uz centrālo serveri, kas izveido jaunu neironu tīklu, kas apvieno visu apgūto uzvedību, un šis tīkls tiek pārdalīts atpakaļ robotiem citai apmācības kārtai.

Pirmajā eksperimentā mērķis bija pagriezt durvju rokturi un atvērt durvis, un četri dažādi roboti tika iestatīti, lai strādātu ar dažādiem durvju un rokturu veidiem. 'Tā kā roboti tika apmācīti pie durvīm, kas atšķiras viena no otras, galīgā politika ir veiksmīga durvīm ar rokturi, kādu neviens no robotiem iepriekš nebija redzējis,' Levine rakstīja. emuāra ieraksts līdzautors Timotijs Lilikraps, Google DeepMind pētnieks, un Mrinal Kalakrishnan, pētnieks X, Google 'moonshot' pētniecības iestādē.

Otrajā eksperimentā robotu mācību process tika paātrināts, pateicoties cilvēka, kurš vada robota roku, mijiedarbībai. Trešajā gadījumā robots izdomāja, kā pārvietot un pagriezt objektus, izmantojot kameras ievadi un iemācītu spēju paredzēt, kā darbības mainīs attēlu, ko pētnieki raksturo kā vienkāršu pasaules fizisko modeli. Stefānija Tellex , Brauna universitātes docents, kurš pēta robotu mācīšanos, saka, ka šī ir aizraujoša ideja. 'Paredzēt tādu darbību fizisko ietekmi kā stumšana ir aizraujoša, jo tā ļauj robotam kaut ko saprast par to, kā pasaule darbojas,' viņa saka.

Uzņēmums acīmredzot vēlas maksimāli izmantot to, kas varētu būt gaidāmā revolūcija šajā jomā, pateicoties mašīnmācīšanās metožu pielietošanai. Daži robotikas ražotāji jau pēta veidus, kā izmantot pastiprināšanas mācības, lai racionalizētu savu produktu programmēšanu.

'Protams, uzvedības veidi, ko roboti mūsdienās var apgūt, joprojām ir diezgan ierobežoti,' raksta autori. 'Tomēr, pilnveidojoties algoritmiem un plašāk ieviešot robotus, viņu spēja dalīties un apkopot savu pieredzi varētu būt noderīga, lai viņi varētu mums palīdzēt mūsu ikdienas dzīvē.'

paslēpties