Επίγνωση του σώματος: Οι επιστήμονες δίνουν στα ρομπότ μια βασική αίσθηση «ιδιοδεκτικότητας»

Επίγνωση σώματος: Οι επιστήμονες δίνουν στα ρομπότ μια βασική αίσθηση «ιδιοδεκτικότητας»

Χρονική σήμανση: 15 Δεκεμβρίου 2023 10:00 π.μ.
Επίγνωση του σώματος: Οι επιστήμονες δίνουν στα ρομπότ μια βασική αίσθηση της «ιδιοδεκτικότητας» PlatoBlockchain Data Intelligence. Κάθετη αναζήτηση. Ολα συμπεριλαμβάνονται.

Πολλοί ειδικοί πιστεύουν περισσότερα γενικές μορφές τεχνητής νοημοσύνης θα είναι αδύνατο χωρίς να δώσει στην τεχνητή νοημοσύνη ένα σώμα στον πραγματικό κόσμο. Μια νέα προσέγγιση που επιτρέπει στα ρομπότ να μάθουν πώς είναι διαμορφωμένο το σώμα τους θα μπορούσε να επιταχύνει αυτή τη διαδικασία.

Η ικανότητα να αισθανόμαστε διαισθητικά τη διάταξη και τη θέση του σώματός μας, κάτι που είναι γνωστό ως ιδιοδεκτικότητα, είναι μια ισχυρή ικανότητα. Ακόμη πιο εντυπωσιακή είναι η ικανότητά μας να ενημερώνουμε το εσωτερικό μας μοντέλο για το πώς λειτουργούν όλα αυτά τα εξαρτήματα —και πώς λειτουργούν μαζί— ανάλογα με τους εσωτερικούς παράγοντες όπως ο τραυματισμός ή από εξωτερικούς παράγοντες όπως ένα μεγάλο φορτίο.

Αντιγραφή αυτών των δυνατοτήτων σε ρομπότ θα είναι ζωτικής σημασίας εάν πρόκειται να λειτουργήσουν με ασφάλεια και αποτελεσματικότητα σε πραγματικές καταστάσεις. Πολλοί ειδικοί της τεχνητής νοημοσύνης πιστεύουν επίσης ότι για να μπορέσει η τεχνητή νοημοσύνη να επιτύχει πλήρως τις δυνατότητές της, πρέπει να ενσωματωθεί φυσικά αντί να αλληλεπιδρά απλώς με τον πραγματικό κόσμο μέσω αφηρημένων μέσων όπως η γλώσσα. Το να δώσετε στις μηχανές έναν τρόπο να μάθουν πώς λειτουργεί το σώμα τους είναι πιθανότατα ένα κρίσιμο συστατικό.

Τώρα, μια ομάδα από το Τεχνικό Πανεπιστήμιο του Μονάχου έχει αναπτύξει ένα νέο είδος προσέγγισης μηχανικής μάθησης που επιτρέπει σε μια μεγάλη ποικιλία διαφορετικών ρομπότ να συμπεράνουν τη διάταξη του σώματός τους χρησιμοποιώντας τίποτα περισσότερο από την ανάδραση από αισθητήρες που παρακολουθούν την κίνηση των άκρων τους.

«Η ενσάρκωση ενός ρομπότ καθορίζει τις αντιληπτικές και συμπεριφορικές του ικανότητες», γράφουν οι ερευνητές σε ένα χαρτί σε Επιστήμη Ρομποτική περιγράφοντας το έργο. «Τα ρομπότ ικανά να χτίσουν αυτόνομα και σταδιακά μια κατανόηση της μορφολογίας τους μπορούν να παρακολουθούν την κατάσταση της δυναμικής τους, να προσαρμόζουν την αναπαράσταση του σώματός τους και να αντιδρούν στις αλλαγές σε αυτό».

Όλα τα ρομπότ απαιτούν ένα εσωτερικό μοντέλο του σώματός τους για να λειτουργούν αποτελεσματικά, αλλά συνήθως αυτό είτε κωδικοποιείται σκληρά είτε μαθαίνεται χρησιμοποιώντας εξωτερικές συσκευές μέτρησης ή κάμερες που παρακολουθούν τις κινήσεις τους. Αντίθετα, η νέα προσέγγιση επιχειρεί να μάθει τη διάταξη του σώματος ενός ρομπότ χρησιμοποιώντας μόνο δεδομένα από αδρανειακές μονάδες μέτρησης - αισθητήρες που ανιχνεύουν κίνηση - τοποθετημένες σε διαφορετικά μέρη του ρομπότ.

Η προσέγγιση της ομάδας βασίζεται στο γεγονός ότι θα υπάρχει επικάλυψη στα σήματα από αισθητήρες πιο κοντά μεταξύ τους ή στα ίδια μέρη του σώματος. Αυτό καθιστά δυνατή την ανάλυση των δεδομένων από αυτούς τους αισθητήρες για τον προσδιορισμό της θέσης τους στο σώμα του ρομπότ και των σχέσεών τους μεταξύ τους.

Πρώτον, η ομάδα αναγκάζει το ρομπότ να παράγει αισθητηριοκινητικά δεδομένα μέσω «μοτέρ βαβούρας», που περιλαμβάνει την τυχαία ενεργοποίηση όλων των σερβομηχανισμών του μηχανήματος για σύντομες περιόδους για τη δημιουργία τυχαίων κινήσεων. Στη συνέχεια, χρησιμοποιούν μια προσέγγιση μηχανικής μάθησης για να προσδιορίσουν πώς είναι διατεταγμένοι οι αισθητήρες και να προσδιορίσουν υποσύνολα που σχετίζονται με συγκεκριμένα άκρα και αρθρώσεις.

Οι ερευνητές εφάρμοσαν την προσέγγισή τους σε μια ποικιλία ρομπότ τόσο σε προσομοιώσεις όσο και σε πειράματα πραγματικού κόσμου, συμπεριλαμβανομένου ενός ρομποτικού βραχίονα, ενός μικρού ανθρωποειδούς ρομπότ και ενός ρομπότ με έξι πόδια. Έδειξαν ότι όλα τα ρομπότ μπορούσαν να κατανοήσουν τη θέση των αρθρώσεων τους και την κατεύθυνση που έβλεπαν αυτές οι αρθρώσεις.

Το πιο σημαντικό είναι ότι η προσέγγιση δεν απαιτεί ένα τεράστιο σύνολο δεδομένων όπως οι μέθοδοι βαθιάς μάθησης που στηρίζουν την πιο σύγχρονη τεχνητή νοημοσύνη και μπορεί να πραγματοποιηθεί σε πραγματικό χρόνο. Αυτό ανοίγει την προοπτική των ρομπότ που μπορούν να προσαρμοστούν σε ζημιές ή στην προσθήκη νέων τμημάτων του σώματος ή μονάδων εν κινήσει.

«Αναγνωρίζουμε τη σημασία της ικανότητας ενός ρομπότ να αξιολογεί και να ενημερώνει συνεχώς τη γνώση σχετικά με τη μορφολογία του αυτόνομα», γράφουν οι ερευνητές. «Η σταδιακή εκμάθηση της μορφολογίας θα επέτρεπε στα ρομπότ να προσαρμόσουν τις παραμέτρους τους ώστε να αντικατοπτρίζουν τις αλλαγές στη δομή του σώματος που θα μπορούσαν να προκύψουν από αυτοπροκαλούμενες ή εξωτερικές ενέργειες».

Ενώ η κατανόηση του πώς λειτουργεί το σώμα σας είναι μόνο ένα μικρό μέρος της εκμάθησης του πώς να εκτελείτε χρήσιμες εργασίες, είναι ένα σημαντικό συστατικό. Δίνοντας στα ρομπότ αυτή την ικανότητα που μοιάζει με ιδιοδεκτικότητα θα μπορούσε να τα κάνει πιο ευέλικτα, προσαρμόσιμα και ασφαλή.

Πίστωση εικόνας: xx / xx

Σφραγίδα ώρας:

Περισσότερα από Κέντρο μοναδικότητας