Sok szakértő többet hisz a mesterséges intelligencia általános formái lehetetlen lesz anélkül, hogy a mesterséges intelligencia testet adna a való világban. Ezt a folyamatot felgyorsíthatja egy új megközelítés, amely lehetővé teszi a robotok számára, hogy megtanulják testük felépítését.
Az a képesség, hogy intuitív módon érzékeljük testünk elrendezését és elhelyezkedését, amit propriocepciónak neveznek, hatalmas képesség. Még lenyűgözőbb az a képességünk, hogy frissítjük a belső modellünket arra vonatkozóan, hogy ezek az alkatrészek hogyan működnek – és hogyan működnek együtt –, mind a belső tényezőktől, mint például a sérülésektől, mind a külső tényezőktől, például egy nagy terheléstől függően.
Ezeknek a képességeknek a megismétlése robotok kulcsfontosságú lesz, ha biztonságosan és hatékonyan akarnak működni valós helyzetekben. Sok mesterséges intelligencia-szakértő úgy véli továbbá, hogy a mesterséges intelligencia teljes potenciáljának kiaknázásához fizikailag kell megtestesülnie, nem pedig egyszerűen interakcióba lépni a való világgal az absztrakt médiumokon, például a nyelven keresztül. Valószínűleg kulcsfontosságú az, hogy a gépek módot adjunk arra, hogy megtanulják testük működését.
A Müncheni Műszaki Egyetem csapata most egy újfajta gépi tanulási megközelítést fejlesztett ki, amely lehetővé teszi a különféle robotok számára, hogy a végtagjaik mozgását nyomon követő érzékelők visszajelzései alapján következtessenek testük elrendezésére.
„A robot megtestesülése meghatározza észlelési és viselkedési képességeit” – írják a kutatók a papír be Tudományos robotika a munka leírása. „Azok a robotok, amelyek képesek önállóan és fokozatosan felépíteni morfológiájuk megértését, nyomon követhetik dinamikájuk állapotát, hozzáigazíthatják testük ábrázolását, és reagálhatnak az annak változásaira.”
Minden robotnak szüksége van testének belső modelljére a hatékony működéshez, de ez általában vagy keményen kódolt, vagy külső mérőeszközök vagy kamerák segítségével tanulható meg, amelyek a mozgásukat figyelik. Ezzel szemben az új megközelítés megpróbálja megtanulni a robot testének elrendezését, csak a robot különböző részein elhelyezett inerciális mérőegységek – mozgásérzékelő érzékelők – adatait felhasználva.
A csapat megközelítése azon a tényen alapul, hogy az egymáshoz közelebbi vagy ugyanazon testrészeken lévő érzékelők jelei átfednek. Ez lehetővé teszi az érzékelők adatainak elemzését, hogy meghatározzák a robot testén elfoglalt helyzetüket és egymáshoz való viszonyukat.
Először is, a csapat ráveszi a robotot, hogy szenzomotoros adatokat generáljon „motoros gügyögéssel”, ami magában foglalja a gép összes szervójának véletlenszerű aktiválását rövid időre, hogy véletlenszerű mozgásokat generáljon. Ezután gépi tanulási megközelítést alkalmaznak az érzékelők elrendezésének kidolgozására, és azonosítják az adott végtagokhoz és ízületekhez kapcsolódó részhalmazokat.
A kutatók különféle robotokra alkalmazták megközelítésüket mind szimulációk, mind valós kísérletek során, beleértve a robotkarokat, egy kis humanoid robotot és egy hatlábú robotot. Megmutatták, hogy minden robot képes megérteni az ízületeik elhelyezkedését és azt, hogy ezek az ízületek milyen irányba néznek.
Ennél is fontosabb, hogy a megközelítéshez nincs szükség olyan hatalmas adatkészletre, mint a legmodernebb mesterséges intelligencia alapját képező mély tanulási módszerek, hanem valós időben is végrehajtható. Ez megnyitja a lehetőséget olyan robotok előtt, amelyek képesek alkalmazkodni a sérülésekhez vagy új karosszériaelemek vagy modulok hozzáadásához.
„Tisztában vagyunk azzal, hogy egy robot képes önállóan felmérni és folyamatosan frissíteni a morfológiájával kapcsolatos ismereteket” – írják a kutatók. „A morfológia fokozatos tanulása lehetővé tenné a robotok számára, hogy paramétereiket úgy alakítsák át, hogy azok tükrözzék a test szerkezetében bekövetkező változásokat, amelyek önmagukra vagy külsőleg kiváltott cselekvésekből származhatnak.”
Bár a test működésének megértése csak egy kis része a hasznos feladatok elvégzésének megtanulásának, fontos összetevője. Ha a robotoknak ezt a propriocepcióhoz hasonló képességet adjuk, rugalmasabbá, alkalmazkodóbbá és biztonságosabbá válhatnak.
A kép jóváírása: xx / xx
- SEO által támogatott tartalom és PR terjesztés. Erősödjön még ma.
- PlatoData.Network Vertical Generative Ai. Erősítse meg magát. Hozzáférés itt.
- PlatoAiStream. Web3 Intelligence. Felerősített tudás. Hozzáférés itt.
- PlatoESG. Carbon, CleanTech, Energia, Környezet, Nap, Hulladékgazdálkodás. Hozzáférés itt.
- PlatoHealth. Biotechnológiai és klinikai vizsgálatok intelligencia. Hozzáférés itt.
- Forrás: https://singularityhub.com/2023/12/15/body-awareness-scientists-give-robots-a-basic-sense-of-proprioception/
- :van
- :is
- :nem
- $ UP
- a
- képesség
- Rólunk
- KIVONAT
- gyorsul
- Elérése
- cselekvések
- aktiváló
- alkalmazkodni
- mellett
- AI
- Minden termék
- lehetővé
- lehetővé teszi, hogy
- Is
- an
- elemez
- és a
- alkalmazott
- megközelítés
- VANNAK
- ARM
- elrendezve
- mesterséges
- AS
- értékeli
- Kísérletek
- autonóm módon
- tudatosság
- alapvető
- BE
- Hisz
- testületek
- test
- mindkét
- Épület
- de
- kamerák
- TUD
- képességek
- képesség
- képes
- Kapacitás
- végrehajtott
- visz
- Változások
- közelebb
- kódolt
- konfigurálva
- folyamatosan
- kontraszt
- tudott
- hitel
- kritikus
- kár
- dátum
- mély
- mély tanulás
- leíró
- kimutatására
- meghatározza
- Fejleszt
- fejlett
- Eszközök
- különböző
- nem
- dinamika
- minden
- hatékonyan
- bármelyik
- kiviteli alak
- Még
- kísérletek
- szakértők
- szakértők szerint
- külső
- külsőleg
- néző
- tény
- tényezők
- Visszacsatolás
- rugalmas
- A
- formák
- ból ből
- Tele
- generál
- Ad
- Giving
- Kemény
- nehéz
- Hogyan
- How To
- HTTPS
- humanoid
- azonosítani
- if
- fontosság
- fontos
- ami fontos
- lehetetlen
- hatásos
- in
- Beleértve
- sérülés
- helyette
- kölcsönható
- belső
- IT
- ITS
- Kedves
- tudás
- ismert
- nyelv
- elrendezés
- TANUL
- tanult
- tanulás
- mint
- Valószínű
- kiszámításának
- elhelyezkedés
- gép
- gépi tanulás
- gép
- csinál
- KÉSZÍT
- sok
- tömeges
- mérés
- mérő
- mód
- modell
- modern
- Modulok
- monitor
- több
- a legtöbb
- mozgalom
- mozgások
- igények
- Új
- semmi
- of
- on
- azok
- csak
- nyit
- működik
- or
- Más
- mi
- ki
- paraméterek
- rész
- alkatrészek
- időszakok
- fizikailag
- Plató
- Platón adatintelligencia
- PlatoData
- helymeghatározás
- pozíciók
- lehetséges
- potenciális
- erős
- folyamat
- kilátás
- véletlen
- Inkább
- Reagál
- igazi
- való Világ
- real-time
- elismerik
- tükröznie
- Kapcsolatok
- képviselet
- szükség
- kutatók
- eredményez
- robot
- robotok
- biztonságos
- biztosan
- azonos
- Tudomány
- tudósok
- értelemben
- érzékelők
- rövid
- kimutatta,
- jelek
- egyszerűen
- helyzetek
- kicsi
- valami
- különleges
- Állami
- struktúra
- feladatok
- csapat
- Műszaki
- mint
- hogy
- A
- Az állam
- azok
- Őket
- akkor
- Ott.
- Ezek
- ők
- ezt
- azok
- Keresztül
- nak nek
- együtt
- vágány
- jellemzően
- alátámasztó
- megértés
- egyetemi
- Frissítések
- használ
- segítségével
- fajta
- keresztül
- Út..
- voltak
- ami
- széles
- lesz
- val vel
- nélkül
- Munka
- dolgozzanak ki
- művek
- világ
- lenne
- ír
- A te
- zephyrnet