Kehateadlikkus: teadlased annavad robotitele põhilise "propriotseptsiooni" tunde

Kehateadlikkus: teadlased annavad robotitele põhilise "propriotseptsiooni" tunde

Kehateadlikkus: teadlased annavad robotitele PlatoBlockchaini andmeluure nn propriotseptsiooni põhitaju. Vertikaalne otsing. Ai.

Paljud eksperdid usuvad rohkem tehisintellekti üldised vormid on võimatu ilma tehisintellektile keha andmata pärismaailmas. Uus lähenemine, mis võimaldab robotitel õppida, kuidas nende keha on konfigureeritud, võib seda protsessi kiirendada.

Võime intuitiivselt tajuda meie keha paigutust ja asendit, mida tuntakse propriotseptsioonina, on võimas võime. Veelgi muljetavaldavam on meie suutlikkus värskendada oma sisemist mudelit selle kohta, kuidas kõik need osad töötavad ja kuidas need koos töötavad, olenevalt sisemistest teguritest, nagu vigastused, või välistest teguritest, nagu suur koormus.

Nende võimaluste kopeerimine robotid on ülioluline, kui nad tahavad reaalsetes olukordades ohutult ja tõhusalt töötada. Paljud AI eksperdid usuvad ka, et tehisintellekti täieliku potentsiaali saavutamiseks peab see olema füüsiliselt kehastatud, mitte lihtsalt suhtlema reaalse maailmaga abstraktsete meediumide, näiteks keele, kaudu. Tõenäoliselt on oluline koostisosa anda masinatele võimalus õppida, kuidas nende keha töötab.

Nüüd on Müncheni tehnikaülikooli meeskond välja töötanud uut tüüpi masinõppe lähenemisviisi, mis võimaldab paljudel erinevatel robotitel järeldada oma keha paigutust, kasutades ainult tagasisidet anduritelt, mis jälgivad nende jäsemete liikumist.

"Roboti kehastus määrab selle taju- ja käitumisvõimed," kirjutavad teadlased a paber sisse Teaduse robotics tööd kirjeldades. "Robotid, mis on võimelised iseseisvalt ja järk-järgult oma morfoloogiat mõistma, saavad jälgida oma dünaamika olekut, kohandada oma keha kujutist ja reageerida selle muutustele."

Kõik robotid vajavad tõhusaks tööks oma keha sisemudelit, kuid tavaliselt on see kas kõvasti kodeeritud või õpitakse nende liikumist jälgivate väliste mõõteseadmete või kaamerate abil. Seevastu uus lähenemine püüab õppida roboti keha paigutust, kasutades ainult roboti eri osadele paigutatud inertsiaalsete mõõtühikute – liikumist tuvastavate andurite – andmeid.

Meeskonna lähenemisviis tugineb asjaolule, et üksteisele lähemal või samadel kehaosadel olevate andurite signaalid kattuvad. See võimaldab analüüsida nende andurite andmeid, et välja selgitada nende asukoht roboti kehal ja nende omavahelised suhted.

Esiteks paneb meeskond robotit genereerima sensomotoorseid andmeid "mootori lobisemise" abil, mis hõlmab kõigi masina servode juhuslikku aktiveerimist lühikeseks perioodiks, et tekitada juhuslikke liikumisi. Seejärel kasutavad nad masinõppe lähenemisviisi, et välja selgitada, kuidas andurid on paigutatud, ja tuvastada alamhulgad, mis on seotud konkreetsete jäsemete ja liigestega.

Teadlased rakendasid oma lähenemisviisi erinevatele robotitele nii simulatsioonides kui ka reaalsetes katsetes, sealhulgas robotkätt, väike humanoidrobot ja kuue jalaga robot. Nad näitasid, et kõik robotid said aru oma liigeste asukohast ja sellest, millises suunas need liigesed on suunatud.

Veelgi olulisem on see, et lähenemisviis ei nõua tohutut andmekogumit, nagu kõige kaasaegsemate tehisintellekti aluseks olevad süvaõppemeetodid, ja seda saab selle asemel teostada reaalajas. See avab väljavaateid robotitele, mis suudavad kohaneda kahjustuste või uute kereosade või moodulite lisamisega lennult.

"Tunnistame, kui oluline on roboti võime iseseisvalt hinnata ja pidevalt ajakohastada teadmisi oma morfoloogia kohta," kirjutavad teadlased. "Morfoloogia järkjärguline õppimine võimaldaks robotitel kohandada oma parameetreid, et kajastada keha struktuuris toimuvaid muutusi, mis võivad tuleneda enda või väljastpoolt põhjustatud tegevustest."

Kuigi teie keha toimimise mõistmine on vaid väike osa kasulike ülesannete täitmise õppimisest, on see oluline koostisosa. Selle propriotseptsioonitaolise võime andmine robotitele võib muuta need paindlikumaks, kohanemisvõimelisemaks ja turvalisemaks.

Pildi krediit: xx / xx

Ajatempel:

Veel alates Singulaarsuse keskus