AI galėtų padėti atpiginti robotus neribojant jų galimybių

Kategorija: Dirbtinis intelektas Paskelbta liepos 19 d

Mokymasis perkėlimu, gebėjimas panaudoti anksčiau įgytas žinias iš vieno konteksto kitame, galėtų išmokyti pigius robotus veikti taip pat, kaip ir brangius.

Kontekstas: Vienas iš sunkiausių iššūkių, su kuriuo šiuo metu susiduria robotika, yra priversti robotą sklandžiai veikti už laboratorijos ribų. Tyrimo sąlygomis įmanoma aprūpinti robotą brangiais jutikliais ir sudaryti jam idealią aplinką mokytis navigacijos. Tačiau realiame pasaulyje tų pačių jutiklių naudojimas būtų brangus ir nedraugiškas vartotojams. Be to, jis netvarkingas ir netobulas.

Pasiūlymas: Laisvojo universiteto mokslininkai kreipėsi į mašininio mokymosi tipą, žinomą kaip mokymosi perkėlimas, kad sužinotų, ar jie gali išspręsti problemą. Mokymasis perkėlimu – tai procesas, kai algoritmas išmoko viename kontekste ir pritaikomas kitame kontekste. Jis galėtų būti naudojamas algoritmui, kuris kontroliuoja robotą laboratorijoje, pritaikyti, kad jis galėtų valdyti robotą realiame pasaulyje. Tai reiškia, kad robotas pirmiausia galėtų treniruotis naudodamas geresnius jutiklius ir geresnę aplinką, o tada panaudoti tai, ko išmoko, net kai turi tik pigius jutiklius ir prastą aplinką.

Rezultatai: Norėdami išbandyti šią idėją, tyrėjai sukūrė robotą imituotoje aplinkoje, kurią jis iš pradžių navigavo aštuonių artumo jutiklių, o paskui – viena kamera. Jie išsiaiškino, kad kai roboto valdymo algoritmas sprendimams priimti naudojo mokymąsi perkėlimo būdu (tik su prieiga prie fotoaparato), jis išmoko naršyti po kambarį daug greičiau nei tada, kai visiškai nenaudojo perdavimo mokymosi. Jis taip pat buvo daug greitesnis nei tada, kai mokymo metu buvo naudojamas perkėlimo mokymasis, o ne sprendimų priėmimas.

Jei norite, kad daugiau tokių istorijų būtų pristatyta tiesiai į jūsų pašto dėžutę, užsiprenumeruokite Webby nominuotą AI informacinį biuletenį The Algorithm. Tai nemokama.