Berkeley ve Deepmind, sırf ev işi yapabilen bir robota öğretmek için mi başarılı oldu?
Metin | Beyin Kutupsal Gövdesi
Yeni yılın başında Berkeley yeni gelişmeleri duyurdu ve robotlara ev işi yapmayı öğretme yetenekleri bir adım öne çıktı.
En son makalede Berkeley, makinelerin gerçek anlam veya ödül sistemine göre aptalca mekanik hareketler yerine insan alt metnini veya bitmemiş anlamı okumayı öğrenmelerine nasıl izin verdiklerini tanıttı.
Örneğin, bir masa robotu yemek servisi yaptığında, mümkün olduğunca çok ödül almak yerine şarap dolabından kaçınmayı veya elektrik kesintisi gibi acil durumlarda yemek servisini durdurmayı bilecektir (sistem bir yemeğin servis edilmesi için bir ödül sağlayacaktır) ve Plakaları aralıksız teslim edin. Daha fazla "tabak" (ödül) alabilmeniz için plakayı doğrudan kırmanız bile mümkündür ...
Her neyse, bu haberi gördüğümde ilk tepkim robotların gerçekten aptal olduğuydu, iki yaşındaki yeğenim bu kadar basit bir işi yapabilir. İkinci tepki, Berkeley'in robotlara ev işi yapmayı öğretme saplantısının çok derin olmasıdır!
Ayrıca robotlara çarşaf koymayı, kıyafetleri katlamayı ve masaüstünü temizlemeyi öğretmek için motorlar geliştirdim Kısacası robotun ev işleriyle karıştırılması gerekiyor.
Ev işi becerilerine meydan okumak isteyen Berkeley'e ek olarak, Deepmind var. Geçen yıl Şubat ayında, Deepmind, robotların masaları düzenlemeyi ve kıyafetleri yığmayı öğrenmesine yardımcı olmak için yeni bir öğrenme paradigması olan "Planlı Yardımlı Kontrol SAC-X" önerdi.
Kısa bir süre önce, Georgia Teknoloji Enstitüsü'nden araştırmacılar, robotlara kıyafet giymeyi öğretebilen yeni bir takviye öğrenme algoritması yayınladılar.
Neden bu kadar çok yapay zeka devi ev işi eğitimi yolunda oybirliğiyle yola çıkıyor? Gelecekte, "Detroit" te Miss Kara gibi nazik ve yetenekli bir temizlik robotumuz olabilir mi? Bu makale bu şüpheleri açıklamaya çalışacaktır.
Otuz altı ev işi: Yerli robotlar hangi becerilerde ustalaştı?
Öncelikle robotların pek çok antropolog ve yapay zeka devinin yardımıyla öğrendiği küçük ev işi becerilerine bir göz atalım.
"Temizlikçi deli" Berkeley'den bahsedeyim.
Geçtiğimiz yıl, Berkeley'in robotların birçok ortak temel beceriyi kendi başlarına öğrenmesine ve ustalaşmasına yardımcı olabilecek genel tahmin modelini yorumladık.Bu temelde, sahibinin niyetlerinin ve görevlerinin ortaklığını öğrenebilir ve tahmin edebilirler, böylece çok çeşitli görev kategorilerini analoji yoluyla gerçekleştirebilirler. , Mükemmel bir "temizlik uzmanı" haline gelmek. Örneğin, şortları ve havluları katlamak, elmaları hareket ettirmek, masaüstünü toplamak vb.
Berkeley ayrıca, robotların zorlu çarşaf döşeme görevini tamamlamasına olanak tanıyan, köşe algılama ve kapma stratejilerine dayanan derin öğrenme modeli Dex-NET'i başlattı.
En çok bahsetmeye değer, yeni araştırma sonucu olan "Tercih Optimizasyon Modeli" dir. Robotlar yalnızca genel görevleri tamamlamakla kalmaz, aynı zamanda daha iyi çözümler çıkarır ve gizli koşullara sahip karmaşık gerçekçi ortamlara uyum sağlar.
Örneğin, geleneksel "aktör-eleştirmen" geliştirilmiş öğrenme geri bildirim mekanizmasında, sahibi robottan mor kapıya gitmesini isterse, robot en kısa yolu (geleneksel anlamda en uygun çözüm) seçecek ve bunu görmezden gelmek yolu bozacaktır. vazo.
Çünkü robot, vazonun kırılıp kırılmayacağının sahibinin umursayıp önemsemeyeceğini bilemez. Bununla birlikte, robot geçmişte meydana gelen davranış yörüngesini simüle edebilir ve prova edebilirse, örneğin, sahibi vazonun etrafında dolaşarak vazonun tam durumuna değer verdiğini gösterir.Bundan, vazoyu atlamanın en büyük olasılıkla ödüllendirileceği ve pozitif olması gerektiği sonucuna varılır. takip edilen hedef.
Robotlar, gizli koşulları algılama yeteneğine sahiptir, bu da bir durumdan insan tercihlerini öğrenebilecekleri anlamına gelir.Sistemin, gerçek ortamdaki tüm nedensel bağlantıları ve koşulları ayrıntılı olarak listelemesine gerek yoktur ve ödül işlevi artık doğrusal ve mekanik değildir. Robot bağımsız olarak simülasyon yapabilir ve geçmiş deneyimlerden öğrenebilir, bilinmeyen dinamik ortamları yargılayabilir ve bunlara yanıt verebilir.
Ev işi yapma görevi için, ev sahibinin ödevi yapma tercihlerini yargılamanın katil bir beceri olduğu söylenebilir.
Berkeley ile karşılaştırıldığında, Deepmind aslında tıbbi bakım gibi karmaşık görevlerle daha fazla ilgileniyor. Ancak bu, içişleri alanında parlamasını engellemez.
Deepmind'ın "Planlı Yardımlı Kontrol SAC-X" modeli, robotların ev işlerinde temel becerileri keşfetmeye ve ustalaşmaya öğrenmesine yardımcı olmak için tasarlanmıştır. Bebeklerin emeklemeden ve yürümeden önce koordinasyon ve denge becerilerini geliştirmesi gerektiği gibi, SAC-X de makinenin birkaç temel görsel motor becerisinde ustalaşmasına yardımcı olur.
Örneğin doğru sırada simüle edilmiş bir kol kullanarak, bu görevleri görmemiş olsanız bile sıfırdan öğrenebilir ve nesneleri gerektiği gibi sorunsuz bir şekilde kaldırabilirsiniz. Bu şekilde, masaüstünü düzenlemek gibi karmaşık görevler ek programlama olmadan tamamlanabilir.
Buna ek olarak, Georgia Teknoloji Enstitüsü, öğrenme çerçevesine kumaşı tanıttı ve robotlara nasıl giyinileceğini öğreten tez de çok zekice.
Giysilerin kumaş malzemesi farklı olduğu için, kıyafetleri giyme eylemi belirli bir hareket yörüngesini izleyemez ve kumaşla karmaşık etkileşimli değişiklikler üretecektir. Robot her alt görev için çalışmaya devam etmelidir (kenarı çekin, köşeyi düzleştirin vb.) Simülasyon ve optimizasyon gerçekleştirin, sürekli değişen çevre koşullarında istikrarlı yaratıcı kontrol stratejileri öğrenin ve sonunda farklı kıyafetler giyme görevini tamamlayın. Gömlek, kazak veya ceket olsun, hepsi iyidir!
Kulağa ev işi robotlarının çoğu kontrol edilebiliyor gibi geliyor, ancak işin aslı, gerçekte görülebilen ev işi robotlarının hala yavaş ve çalışmak için aptal olmasıdır.
Örneğin, Berkeley tarafından tasarlanan ve Rethink Robotics tarafından geliştirilen ev asistanının bir havlu katlaması 15 dakika sürerken, California FoldiMate tarafından başlatılan akıllı çamaşır makinesi, programa göre kıyafetleri istenen karelere katlayabiliyor, ancak kabine manuel olarak yerleştirilmesi gerekiyor. , Çok fazla insan gücü tasarrufu yapmadı, fiyatı 980 ABD doları (yaklaşık 7.000 yuan) kadar yüksek ... emmmm bunu kendiniz yapmak daha iyidir.
Ya insanlardan daha yavaş ya da insanlardan daha pahalı, ev işleri için robotlara güvenmenin maliyet etkinliği çok düşük. Öyleyse, insanlara ev işlerinde gerçekten yardımcı olamayacağınıza göre, robotlara bu becerileri öğrenmeyi öğretmenin amacı nedir?
Neden fabrikada ev işi yapmıyor ve tuğlaları hareket ettirmiyor?
Bu kadar çok araştırma yeteneği bir araya geldiğinde, ilkokul öğrencilerine ders verirlerse, Tsinghua Üniversitesi'ne kabul edilebilirler. Gerçekten işe yaramıyor.Tuğlaları hareket ettirmek için fabrikaya gitmek aynı zamanda emek gerginliğini de azaltabilir.Neden ev işleriyle rekabet etmek zorundasın?
Bunun nedeni, temizlik görevlerinin genel makine zekası için gerekli olan karmaşık kontrol görevlerini sıfırdan öğrenmek için bir eğitim ortamı sağlaması olabilir.
Her şeyden önce, temizlik görevlerinin özgünlüğü ve çeşitliliği, temsilcinin karmaşık problemleri en az ön bilgi ile nasıl çözeceğini öğrenmesine yardımcı olur.
Ön bilgi, deneyim özetlerine dayanmayan (yazılı bir programa ve sonuçlardan çıkarım yapma sürecine benzer) ve gözlem yoluyla akıl yürütmeyi ve yargılamayı öğrenen bir üst beceriyi ifade eder. Robotlar bu "doğuştan" bilgiye sahip değiller, ancak açıkça her aileyi ve robotların hizmet ettiği her olası görevi önceden programlayamayız. Şu anda, robotun genel yeteneğini eğitmek özellikle kritik önem taşıyor.
Makineler asla insanlarla aynı aşkın yeteneklere ve çok yönlülüğe sahip olamasalar da, tüm disiplinlerde ve işlerde benzer şekilde performans gösterebilirler. Ancak endüstri, ev işi, dil vb. Gibi birçok dikey alanda, güçlü önsel becerilere sahip makine temsilcileri, iş görevlerini düşük maliyet, yüksek uyarlanabilirlik ve esneklikle tamamlayabilir ve şimdi yalnızca insanların çözebileceği sorunları çözebilir.
Ayrıca, temizlik görevi, vizyon, dokunma, hareket, ortak kontrol vb. Entegre eden ve oldukça kapsamlı bir görevdir.Bu, diğer parça uygulamalarının sahip olmadığı bir ortamdır ve çok işlevli ve işbirlikçi aracıları eğitmek için çok yararlıdır.
Örneğin, Berkeley robotlara çöp tenekesinden orijinal olarak görünmeyen nesneleri toplamayı öğretir. Simüle edilmiş bir veri kümesi oluşturmak için kamera aracılığıyla derinlik görüntüleri toplamaları ve ardından nesneyi bölümlere ayırmak için kaliteli bir evrişimli sinir ağını (GQ-CNN) eğitmek için veri kümesini kullanmaları gerekir. , Başarılı kavrama girişimlerinin olasılığını belirleyin ve sonunda en yüksek başarı olasılığına sahip stratejiyi oluşturun ve ardından bu işlemi nihayet tamamlamak için kavrayıcı eklemlerin gerçek zamanlı hassas kontrolünü gerçekleştirin. Bir eğitim, birden fazla kazanç.
Daha da önemlisi, endüstriyel robotlar ve video oyunlarına kıyasla, ev işlerinin çalışma ortamı daha gevşek ve değişikliklerle doludur.Görevlerin öznel beklentileri ve gizli anlamlarını tanımlamak ve tahmin etmek daha zordur, bu da eğitimin zorluğunu görünmez bir şekilde artırır. Aynı zamanda, temizlik görevlerinin eğitim maliyeti de nispeten düşüktür ve halkın anlaması daha kolaydır, hem sosyal faydalar hem de pazarlama değeri bol miktarda bulunur.
"Dota" da robot köpekleri yumruklamak ve tekmelemek ve gerçek oyunculara işkence etmekle karşılaştırıldığında, makinelerin ev işlerini yapmasına izin vermek, politik olarak en doğru, ucuz ve kaliteli eğitim yöntemidir.
Sarhoşun anlamı: Ev işi yaptıktan sonra, bu çalışmaların faydası nedir?
Temizlik robotunun ardında, aslında ima edilen şey, bir aracının yaratılmasının temel mantığıdır: Karmaşık bir ortamda rastgele ve yapılandırılmamış sorunlara makul bir çözüm keşfedin ve çevre ile güvenli bir şekilde etkileşime girip onu verimli bir şekilde tamamlayabilir. görev.
Daha spesifik olmak gerekirse, yerli bir robot yetiştirmenin üç ana faydası vardır:
Birincisi, makine otomasyonunun güvenliğini ve iş verimliliğini artırmak için çok fazla rehberlik gerektirmeden bir dizi görevi yerine getirmek için daha genel zekaya sahip robotları yetiştirmektir.
İkincisi, hiyerarşik planlama, algılama ve muhakeme için otonom sürüş, endüstriyel otomasyon ve akıllı Nesnelerin İnterneti gibi alanlardaki uygulama sorunlarının çözülmesine yardımcı olabilecek algoritmaların geliştirilmesine yardımcı olmaktır;
Üçüncüsü, sıfır örneklemli öğrenme ve az örnekli öğrenme gibi teknolojilerin ilerlemesini teşvik etmektir. Harici ödül sinyallerinin yokluğunda, algoritma davranışın niyetini iyi bir şekilde çıkarabilir ve bu da e-ticaret ve içerik ürünü öneri sistemlerinin deneyimini önemli ölçüde geliştirebilir.
Bu şekilde, korkarım ki, ev işinin genel zeka gelişimi yolunda neden kaçınılmaz bir "basamak" haline geleceğini herkes için anlamak zor değil.
Son olarak sormak isteyenler olabilir: Ev işi yapmayı sevmeyen yıldız insanlar, ben sadece robotun ne zaman evime girip yatağımı yapmasını önemsiyorum? Sadece şunu söyleyebilirim: doğrudan burada öpücüğümle uyumayı öneririm ve her şey rüyamda var.
Daha heyecan verici içerik için Titanium Media WeChat ID'yi (ID: taimeiti) takip edin veya Titanium Media Uygulamasını indirin
