Denne robot kan sikkert slå dig i Jenga – takket være dens forståelse af verden

SCIENCE ROBOTICS / FORSIDEBILLEDE: JOHN HOPKINS UNIVERSITY, WILL KIRK / HOMEWOOD PHOTOGRAPHY Science Robotics / Forsidebillede: John Hopkins University, WILL KIRK / HOMEWOOD PHOTOGRAPHY

På trods af blændende fremskridt inden for kunstig intelligens er robotter stadig forfærdeligt ham-fisted.

I stigende grad henvender forskere og virksomheder sig til maskinlæring for at gøre dem mere tilpasningsdygtige og fingerfærdige. Dette betyder typisk at give robotten en video af, hvad der er foran den, og bede den om at finde ud af, hvordan den skal bevæge sig for at manipulere objektet. For eksempel, forskere ved OpenAI, en nonprofitorganisation i San Francisco, lærte en robothånd at manipulere et barns blok på denne måde.

Men mennesker bruger selvfølgelig mere end blot deres øjne til at lære at håndtere genstande. Syn er kombineret med en følelse af berøring - og vi lærer tidligt, at genstande, der er placeret ustabilt, sandsynligvis vil vælte.

Det er det, der inspirerede en ny robot, udviklet af Nima Fazeli og hans kolleger ved MIT, som har fået en grundlæggende forståelse af den virkelige verdens fysik - og en brugbar følesans.

Det beviste, hvor smidigt det er ved at mestre Jenga , et spil, der involverer at fjerne blokke fra et usikkert samlet tårn, ideelt set uden at få det til at vælte. Robotten udviste også en slags opfindsomhed, der er afgørende for menneskelige spillere: at vurdere, hvilken blok den kan fjerne uden at få tårnet til at falde ned.

Forskningen bygger på flere nøgleideer udviklet af Josh Tenenbaum , i afdelingen for hjerne- og kognitiv videnskab ved MIT, og hans forskning i menneskelig kognition. Dette inkluderer ideen om, at mennesker udvikler en intuitiv forståelse af fysik fra en tidlig alder, og at sandsynlighed er nøglen til at ræsonnere om verden. Dette adskiller sig fra en masse AI-forskning i dag, som kredser om at fodre så meget data som muligt til meget store eller dybe, neurale netværk.

Robotten, der er udstyret med kraftsensorer samt kameraer, lærer at spille Jenga ved at stikke og proppe blokke og bruge visuel og taktil feedback til at træne en fysikmodel af verden.

Da den så stod over for et nyt tårn af blokke, brugte den modellen til, sandsynligt, at udlede, hvilken blok den næste gang skulle prøve at stikke ud af tårnet. Du kan se, hvor godt det var i videoen ovenfor.

Videnskab Robotik

Ved at kombinere syn, berøring og denne model af fysisk fysik i den virkelige verden kan robotten lære at spille Jenga mere effektivt, end det ellers ville være muligt. Den intuitive fysikmodel lader også robotten hurtigt forstå, at en blok, der hænger ud over en kant, højst sandsynligt vil falde. I test udkonkurrerede tilgangen konventionelle maskinlæringsmetoder. Forskningen er offentliggjort i dag i tidsskriftet Science Robotics .

Denne mere menneskelignende læringsteknik kunne hjælpe med at gøre fabriks- og lagerrobotter langt mere dygtige. Hvis det mislykkes, kan de i det mindste udfordre dig til et sjovt selskabsspil.

skjule