CVPR 2018: Yapay zekayı eğitmek için köpek verilerini kullanın. Washington Üniversitesi, köpek davranışını simüle eden bir yapay zeka sistemi geliştiriyor
Kaynak: TechCrunch
Derleyici: Xiao Qin
Xin Zhiyuan Rehberi Genel makine öğrenimi sistemleri insan bakış açısıyla oluşturulmuştur, ancak Washington Üniversitesi ve Allen Yapay Zeka Enstitüsü'ndeki araştırmacılar, yapay zeka sistemlerini köpek davranış verileriyle eğitmeye çalıştı. Araştırmacılar, sensörler ve diğer ekipmanlar aracılığıyla bir Eskimo köpeğinin hareket verilerini topladılar ve bunu, üç hedefe ulaşmak için AI sistemini eğitmek için kullandılar: 1. Köpek gibi davranın ve gelecekteki eylemleri tahmin edin; 2. Bir köpek gibi görevleri planlayın; 3. Köpek davranışında öğrenmek. Makale CVPR 2018 tarafından kabul edildi. Bu çalışmanın önemi, aracıların eylemler yapabilmesi ve görevleri yerine getirebilmesi için görsel verileri anlamaktır.
Nesneleri tanımak, gezinmek veya yüz ifadelerini tanımak için makine öğrenimi sistemlerini eğittik, ancak bu zor olsa da, makine öğrenimi simüle edilebildiği kadar karmaşık bile değil, örneğin, Bir köpeği simüle edin . Yani, bu projenin amacı bunu tabii ki çok sınırlı bir şekilde yapmak. Bu yapay zeka, çok iyi huylu bir köpeğin davranışını gözlemleyerek bir köpek gibi davranmanın temellerini öğrendi.
Bu, Washington Üniversitesi ve Allen Yapay Zeka Enstitüsü arasında yapılan ortak bir araştırmadır Makale, bu yıl Haziran ayında düzenlenen CVPR'de yayınlandı.
Özet
Nasıl doğrudan modelleme yapılacağını inceledik. Görsel ajan (Görsel olarak akıllı ajan). Bilgisayar görüşü genellikle görsel zeka ile ilgili çeşitli alt görevleri çözmeye odaklanır. Ancak bu standart bilgisayarla görme yönteminden saptık; bunun yerine, görsel olarak akıllı bir aracı doğrudan modellemeye çalıştık. Modelimiz görsel bilgiyi girdi olarak alır ve temsilcinin davranışını doğrudan tahmin eder. Bu amaçla, köpeğin bakış açısından toplanan bir köpek davranışı veri seti olan DECADE veri setini tanıttık. Bu verileri kullanarak köpeklerin davranışını ve hareket planlamasını simüle edebiliriz. Çeşitli ölçüm yöntemleri altında, belirli bir görsel girdi için aracı başarıyla modelledik. Ayrıca modelimiz tarafından öğrenilen temsiller, görüntü sınıflandırma görevleri üzerine eğitilmiş temsillerle karşılaştırıldığında, farklı bilgileri kodlayabilir ve diğer alanlara da genişletilebilir. Özellikle, bu tür bir köpek modelleme görevini temsil öğrenme olarak kullanarak, yürünebilir yüzey tahmini ve sahne sınıflandırma görevlerinde çok iyi sonuçlar elde ettik.
Görsel verileri anlamak: köpekleri taklit etmek, köpekleri öğrenmek
Bu araştırma neden yapılıyor? Alt görevler üzerinde, bir nesneyi tanıma ve onu alma gibi algıyı simüle eden birçok çalışma olmasına rağmen, " Temsilcinin görsel dünyada eyleme geçebileceği ve görevleri yerine getirebileceği ölçüde görsel verileri anlayın "Bu tür araştırmalar nadirdir. Başka bir deyişle, gözlerin davranışını taklit etmek yerine, gözleri kontrol eden özneyi simüle eder.
Öyleyse neden bir köpek seçelim? Köpekler çok karmaşık ajanlar olduğu için araştırmacılar şunları söyledi: " Amaçları ve motivasyonları genellikle tahmin edilemez . "Başka bir deyişle, köpekler zekidir, ancak ne düşündüklerini bilmiyoruz.
Ekip, bu araştırma alanında bir ön girişim olarak, köpeğin davranışını yakından izlemeyi ve köpeğin bu eylemler için doğru bir tahmin oluşturup oluşturmayacağını görmek için gördüğü çevre ile köpeğin hareketlerine ve eylemlerine karşılık gelmeyi umuyor. sistemi.
Eskimo köpeğine bir dizi sensör kurun ve veri toplayın
Bu amaca ulaşmak için araştırmacılar, Kelp M. Redmon adlı bir eskimo köpeğine bir dizi temel sensör yerleştirdiler. Kelp'in kafasını taktılar Bir GoPro kamera , 6 atalet ölçü birimi (Sırasıyla bacak, kuyruk ve vücutta) nesnelerin konumunu belirlemek için, Bir mikrofon Ve bu verileri birbirine bağlayan Arduino geliştirme kurulu .
Farklı ortamlarda yürümek, bir şeyler getirmek, köpek parkında oynamak, yemek yemek ve köpeğin hareketlerini gördüğü ortamla senkronize etmek gibi köpeğin aktivitelerini kaydetmek için saatler harcadılar. Sonuç, bir Köpek Ortamında, köpeğin perspektifinden bir Ego-Merkezli Eylemler veri setinin oluşturulmasıdır. DECADE veri seti . Araştırmacılar bu veri kümesini yeni bir AI aracısını eğitmek için kullanıyor.
Bu aracıya, köpeğin bu durumda ne yapacağını tahmin etmek için bazı duyusal girdiler - örneğin, bir oda veya cadde veya uçan bir top görünümü verildiğinde. Tabii özel detaylardan bahsetmiyorum bile, sadece vücudunu nasıl ve nereye hareket ettireceğini bulmak olsa bile, zaten çok önemli bir görev.
Araştırmacılardan biri olan Washington Üniversitesi'nden Hessam Bagherinezhad şöyle açıkladı: "Yürümek için eklemleri nasıl hareket ettireceğini ve engellerden kaçınmak için yürümeyi veya tekrar koşmayı öğrendi." "Bir sincap peşinden koşmayı öğrendi, takipçi. Ev sahibi gider ve uçan köpek oyuncağını kovalar (frizbi oyunu oynarken). Bunlar, bilgisayarla görme ve robotikle ilgili bazı temel AI görevleridir (hareket planlama, yürünebilir yüzeyler, nesne algılama, nesne izleme, kişi tanıma gibi) ve her görev için ayrı veri toplayarak bunları çözmeye çalışıyoruz. "
Araştırma üç soruyu gündeme getiriyor: (1) köpek davranışını taklit etmek: köpeğin önceki davranış görüntülerine dayanarak köpeğin sonraki davranışını tahmin etmek; (2) köpek gibi eylemleri planlamak; (3) köpeğin davranışından öğrenmek: örneğin, birini tahmin etmek Yürünebilir alan.
Bu görevler oldukça karmaşık veriler oluşturabilir: örneğin, bir köpek modeli, tıpkı gerçek bir köpek gibi, bir yerden diğerine hareket etmesi gerektiğinde nerede yürüyebileceğini bilmelidir. Ağaçlarda, arabalarda ya da kanepelerde (eve bağlı olarak) yürüyemez. Bu nedenle, bu model de bunu öğrendi ve bir evcil hayvanın (veya ayaklı bir robotun) belirli bir görüntüde nereye ulaşabileceğini bulmak için bir bilgisayarla görme modeli olarak kullanılabilir.
Köpek davranışını tahmin etmek için model mimari
Köpek planlamasını öğrenmek için model mimari
Yürünebilir alanları tahmin etmek için model mimari
Araştırmacılar bunun sadece bir ön deney olduğunu, başarılı olmasına rağmen sonuçların sınırlı olduğunu söylediler. Sonraki araştırmalar, daha fazla duyu (koku gibi) tanıtmayı veya bir köpeğin (veya birçok köpeğin) modelinin diğer köpeklere nasıl genelleştirilebileceğini görmeyi düşünebilir. Vardıkları sonuç: "Bu çalışmanın bize daha iyi bir anlayış kazandıracağını umuyoruz. Görsel zeka Ve dünyamızda yaşayan diğer insanlar Akıllı yaratık Yolu açın. "
Kağıt adresi: https://arxiv.org/pdf/1803.10827.pdf
