211service.com
En robot har fundet ud af, hvordan man bruger værktøjer
ANNIE XIE Annie Xie
At lære at bruge værktøjer spillede en afgørende rolle i udviklingen af menneskelig intelligens. Det kan stadig vise sig at være afgørende for fremkomsten af smartere, mere dygtige robotter.
Ny forskning viser, at robotter i det mindste kan finde ud af principperne for værktøjsbrug gennem en kombination af eksperimentering og observation af mennesker.
Chelsea Finn , en forsker ved Google Brain, og Sergey Levine , en adjunkt ved UC Berkeley, udviklede robotsystemet sammen med flere af Levines studerende. (Finn og Levine blev udnævnt til Innovators Under 35 af MIT Technology Review i henholdsvis 2018 og 2016.)
Opsætningen består af en hyldevare robotarm, der kan styres af en person eller en computer. Det inkluderer også et kamera, der ser omgivelserne inden for rækkevidde af armen - og vigtigst af alt en computer, der kører et meget stort neuralt netværk, som lader robotten lære.
Robotten fandt ud af, hvordan man kunne bruge simple redskaber, inklusive en fejebakke og en kost og en støvkost, til at flytte rundt på andre genstande. Værket antyder, hvordan robotter en dag kan lære at udføre sofistikerede manipulationer og løse abstrakte problemer for sig selv. Det er spændende, fordi det betyder, at robotten kan finde ud af, hvad den skal gøre med et værktøj i situationer, den ikke har set før, siger Finn. Vi ønsker virkelig at studere den slags almindelighed, snarere end en robot, der lærer at bruge ét værktøj.
Forskerne har tidligere vist, hvordan en robot kan lære at flytte objekter uden eksplicit instruktion. Ved at observere og eksperimentere udvikler robotten en simpel model for årsag og virkning (Skub et objekt på denne måde, og det ender derovre). Den nye robot lærer på en lignende måde, men den bygger en mere kompleks model af den fysiske verden (hvis du flytter denne genstand, kan du flytte de andre ting derover).
Robotsystemet lærer på flere måder. For at få en grundlæggende forståelse af årsag og virkning, eksperimenterer den med objekter på egen hånd og skubber dem rundt for at se resultaterne. Det tilføres også data fra masser af tidligere robotlæring. Gennemgående lærer et tilbagevendende neuralt netværk at forudsige, hvad der vil ske i en scene, hvis robotten udfører en bestemt handling.
For at mestre brugen af værktøj observerer robotten også menneskelig adfærd. Ved at kombinere sine erfaringer fra de to typer læring lader robotten derefter bestemme, hvordan den skal bruge et objekt i en ny situation.
Annie Xie , en bachelorstuderende ved UC Berkeley involveret i projektet, skriver om arbejdet i et relateret blogindlæg: Med en blanding af demonstrationsdata og uovervåget erfaring kan en robot bruge nye objekter som værktøjer og endda improvisere værktøjer i mangel af traditionelle.
Levine, en førende forsker i robotlæring, siger, at han var overrasket over robottens evne til at improvisere. I et tilfælde besluttede robotten for eksempel, at en vandflaske på grund af dens form og størrelse kunne bruges til at feje genstande hen over en overflade.
Når du viser det ting, der faktisk ikke er værktøjer, kunne det finde på måder at bruge dem på, som var en smule overraskende, siger Levine.