Denne robot lærer at samle krus op ved først at lære en teori om mugness

Kategori: Kunstig intelligens Udsendt 19. marts

På trods af alle de seneste fremskridt inden for maskinintelligens, kæmper robotter stadig med at tilpasse relativt simple opgaver til nye situationer. Tag for eksempel at tage et krus op og hænge det på et krusstativ; selv små ændringer i et kruss form, størrelse, farve og orientering kan kaste en robot af.

I en ny papir , foreslår forskere ved MIT nu en ny teknik til at hjælpe robotter med at generalisere deres læring med relativt få data. Det gør de ved at træne et neuralt netværk til at udtrække nogle få nøglepunkter fra et krus eller en anden genstand, som skal samles op og placeres, hvilket giver robotten et visuelt køreplan for, hvordan man kan gribe og orientere den. Under testen fandt de ud af, at botten kun havde brug for tre nøglepunkter til et krus - et på midten af ​​siden, et i bunden og et på håndtaget - og seks nøglepunkter til en sko.

I modsætning til tidligere teknikker, der kræver hundredvis eller endda tusindvis af eksempler for en robot at lære at samle et krus op, den aldrig har set før, er dette nærme sig kræver kun et par dusin. Forskerne var i stand til at træne det neurale netværk på 60 scener med krus og 60 scener med sko for at nå et lignende niveau af ydeevne. Da systemet i første omgang ikke kunne opfange høje hæle, fordi der ikke var nogen i datasættet, løste de hurtigt problemet ved at tilføje et par mærkede scener med høje hæle til dataene.

Holdet håber at bruge tilgangen til at løse større opgaver næste gang, som at tømme en opvaskemaskine eller tørre en køkkenbord af.

Denne historie dukkede oprindeligt op i vores AI-nyhedsbrev The Algorithm. For at få det leveret direkte til din indbakke, tilmeld dig her gratis.