Kesadaran Tubuh: Ilmuwan Memberi Robot Rasa Dasar 'Proprioception'

Kesadaran Tubuh: Ilmuwan Memberi Robot Rasa Dasar 'Proprioception'

Kesadaran Tubuh: Ilmuwan Memberi Robot Rasa Dasar 'Proprioception' Kecerdasan Data PlatoBlockchain. Pencarian Vertikal. Ai.

Banyak ahli yang lebih percaya bentuk umum kecerdasan buatan tidak akan mungkin terjadi tanpa memberi AI tubuh di dunia nyata. Pendekatan baru yang memungkinkan robot mempelajari bagaimana tubuh mereka dikonfigurasi dapat mempercepat proses ini.

Kemampuan untuk secara intuitif merasakan tata letak dan posisi tubuh kita, yang dikenal sebagai proprioception, adalah kemampuan yang sangat ampuh. Yang lebih mengesankan lagi adalah kemampuan kita untuk memperbarui model internal tentang bagaimana semua bagian ini bekerja—dan bagaimana mereka bekerja bersama-sama—tergantung pada faktor internal seperti cedera atau faktor eksternal seperti beban berat.

Mereplikasi kemampuan ini di robot akan sangat penting jika mereka ingin beroperasi dengan aman dan efektif dalam situasi dunia nyata. Banyak pakar AI juga percaya bahwa agar AI dapat mencapai potensi penuhnya, AI perlu diwujudkan secara fisik, bukan sekadar berinteraksi dengan dunia nyata melalui media abstrak seperti bahasa. Memberi mesin cara untuk mempelajari cara kerja tubuhnya kemungkinan besar merupakan unsur yang sangat penting.

Kini, tim dari Universitas Teknik Munich telah mengembangkan pendekatan pembelajaran mesin jenis baru yang memungkinkan berbagai macam robot untuk menyimpulkan tata letak tubuh mereka hanya dengan menggunakan umpan balik dari sensor yang melacak pergerakan anggota tubuh mereka.

“Perwujudan robot menentukan kemampuan persepsi dan perilakunya,” tulis para peneliti di a kertas masuk Robotika ilmu menggambarkan pekerjaan itu. “Robot yang mampu secara mandiri dan bertahap membangun pemahaman tentang morfologinya dapat memantau keadaan dinamikanya, mengadaptasi representasi tubuhnya, dan bereaksi terhadap perubahan tersebut.”

Semua robot memerlukan model internal tubuhnya agar dapat beroperasi secara efektif, namun biasanya hal ini dilakukan dengan kode keras atau dipelajari menggunakan alat pengukur eksternal atau kamera yang memantau pergerakan mereka. Sebaliknya, pendekatan baru ini mencoba mempelajari tata letak tubuh robot hanya dengan menggunakan data dari unit pengukuran inersia—sensor yang mendeteksi gerakan—yang ditempatkan di berbagai bagian robot.

Pendekatan tim bergantung pada fakta bahwa akan ada tumpang tindih sinyal dari sensor yang berdekatan atau pada bagian tubuh yang sama. Hal ini memungkinkan untuk menganalisis data dari sensor-sensor ini untuk mengetahui posisinya di tubuh robot dan hubungannya satu sama lain.

Pertama, tim meminta robot untuk menghasilkan data sensorimotor melalui “motor celoteh”, yang melibatkan pengaktifan semua servo mesin secara acak dalam waktu singkat untuk menghasilkan gerakan acak. Mereka kemudian menggunakan pendekatan pembelajaran mesin untuk mengetahui bagaimana sensor diatur dan mengidentifikasi subset yang berhubungan dengan anggota tubuh dan persendian tertentu.

Para peneliti menerapkan pendekatan mereka pada berbagai robot baik dalam simulasi maupun eksperimen di dunia nyata, termasuk lengan robot, robot humanoid kecil, dan robot berkaki enam. Mereka menunjukkan bahwa semua robot dapat mengembangkan pemahaman tentang lokasi sendi mereka dan ke arah mana sendi tersebut menghadap.

Yang lebih penting lagi, pendekatan ini tidak memerlukan kumpulan data besar seperti metode pembelajaran mendalam yang mendasari sebagian besar AI modern dan dapat dilakukan secara real-time. Hal ini membuka prospek robot yang dapat beradaptasi terhadap kerusakan atau penambahan bagian tubuh atau modul baru dengan cepat.

“Kami menyadari pentingnya kemampuan robot untuk menilai dan terus memperbarui pengetahuan tentang morfologinya secara mandiri,” tulis para peneliti. “Pembelajaran morfologi secara bertahap akan memungkinkan robot menyesuaikan parameter mereka untuk mencerminkan perubahan dalam struktur tubuh yang dapat diakibatkan oleh tindakan yang dilakukan sendiri atau tindakan eksternal.”

Meskipun memahami cara kerja tubuh Anda hanyalah sebagian kecil dari mempelajari cara melakukan tugas yang bermanfaat, ini merupakan unsur penting. Memberi robot kemampuan seperti proprioception ini dapat membuat mereka lebih fleksibel, mudah beradaptasi, dan aman.

Kredit Gambar: xx / xx

Stempel Waktu:

Lebih dari Hub Singularity