„Facebook“ moko robotų padėjėjus girdėti ir matyti

Ar turi Facebook'ą

2019 m. birželio mėn. Facebook AI laboratorija FAIR išleido AI Habitat – naują AI agentų mokymo modeliavimo platformą. Tai leido agentams tyrinėti įvairias tikroviškas virtualias aplinkas, tokias kaip baldais apstatytas butas ar kabina, užpildyta biuru. Tada dirbtinis intelektas galėtų būti perkeltas į robotą, kuris įgautų protingumo naršyti realiame pasaulyje nesuduždamas.

Praėjusiais metais FAIR sparčiai peržengė savo darbo su įkūnytu AI ribas. A dienoraščio įrašas šiandien , laboratorija paskelbė apie tris papildomus pasiektus etapus: du naujus algoritmus, leidžiančius agentui greitai sukurti ir įsiminti erdvių, kuriose jis naršo, žemėlapį, ir garso pridėjimą platformoje, kad agentai išmokytų girdėti.

Algoritmai remiasi FAIR darbu šių metų sausį, kai agentas buvo apmokytas Habitat. naršyti nepažįstamoje aplinkoje be žemėlapio . Naudodamas tik gylio jutimo kamerą, GPS ir kompaso duomenis, jis išmoko įeiti į erdvę taip, kaip tai darytų žmogus, ir rasti trumpiausią įmanomą kelią iki paskirties vietos be klaidingų posūkių, grįžimo atgal ar tyrinėjimo.

Pirmasis iš šių naujų algoritmų dabar gali sukurti erdvės žemėlapį tuo pačiu metu, kad galėtų prisiminti aplinką ir greičiau naršyti po ją, jei ji sugrįžtų. Antrasis pagerina agento gebėjimą sudaryti erdvės žemėlapius, nereikia lankytis kiekvienoje jos dalyje. Išmokęs naudotis pakankamai virtualiomis aplinkomis, gali numatyti tam tikras funkcijas naujoje; Pavyzdžiui, ji gali žinoti, kad už virtuvės salelės gali likti tuščia grindų erdvė, neperėjus į kitą pusę pažiūrėti. Vėlgi, tai galiausiai leidžia agentui greičiau judėti aplinkoje.

Galiausiai laboratorija taip pat sukūrė „SoundSpaces“ – garso atkūrimo įrankį, leidžiantį tyrėjams pridėti itin tikrovišką akustiką prie bet kurios buveinės aplinkos. Tai gali perteikti garsus, kylančius atsitrenkiant į skirtingus baldus, arba kulnų ir sportbačių garsus ant grindų. Papildymas suteikia Habitat galimybę apmokyti agentus atlikti užduotis, kurioms reikia tiek regos, tiek klausos jutimo, pvz., Gauti skambantį telefoną arba Atidaryti duris, kur asmuo beldžiasi.

Iš trijų patobulinimų labiausiai jaudinantis yra garso mokymo papildymas, sako Ani Kembhavi, robotikos tyrinėtoja iš Alleno dirbtinio intelekto instituto, kuri nedalyvavo darbe. Panašūs tyrimai praeityje buvo labiau skirti agentams suteikti galimybę matyti teksto komandas arba reaguoti į jas. Jis sako, kad garso įrašo pridėjimas yra svarbus ir įdomus kitas žingsnis. Matau daug įvairių užduočių, kur garso įvestis būtų labai naudinga. Vaizdo ir garso derinys yra nepakankamai ištirta sritis, sako Pieteris Abeelis, Kalifornijos universiteto Berklio Robotų mokymosi laboratorijos direktorius.

Pasak FAIR tyrėjų, kiekviena iš šių pokyčių priartina laboratoriją prie pažangių robotų padėjėjų. Tikslas yra, kad tokie draugai galėtų vikriai judėti ir atlikti sudėtingas užduotis, pavyzdžiui, gaminti maistą.

Tačiau praeis daug laiko, kol galėsime paleisti robotų padėjėjus virtuvėje. Viena iš daugelio FAIR kliūčių, kurias turės įveikti: visas virtualias treniruotes pritaikyti fiziniam pasauliui, procesas žinomas kaip sim2real perkėlimas. Kai tyrėjai iš pradžių išbandė savo praktiškai išmokytus algoritmus fiziniuose robotuose, procesas klostėsi ne taip gerai.

Judėdami į priekį, FAIR tyrėjai tikisi pradėti pridėti sąveikos galimybių ir į buveinę. Tarkime, kad esu agentas, sako Kristen Grauman, FAIR mokslininkė ir kompiuterių mokslų profesorė Teksaso universitete Ostine, kuri vadovavo kai kuriems darbams. Įeinu ir matau šiuos objektus. Ką aš galiu su jais daryti? Kur aš eičiau, jei turėčiau gaminti suflė? Kokius įrankius paimčiau? Tokios sąveikos ir net manipuliacijomis pagrįstos aplinkos pokyčiai perkeltų tokį darbą į kitą lygmenį. Tai yra kažkas, ko mes aktyviai siekiame.

paslėpti