Świadomość ciała: naukowcy dają robotom podstawowy zmysł „propriocepcji”

Wielu ekspertów wierzy w więcej ogólne formy sztucznej inteligencji będzie niemożliwe bez nadania AI ciała w realnym świecie. Nowe podejście, które pozwala robotom uczyć się konfiguracji ich ciała, mogłoby przyspieszyć ten proces.

Zdolność intuicyjnego wyczuwania układu i pozycji naszego ciała, znana jako propriocepcja, to potężna zdolność. Jeszcze bardziej imponująca jest nasza zdolność do aktualizacji naszego wewnętrznego modelu działania wszystkich tych części – i tego, jak współdziałają – w zależności zarówno od czynników wewnętrznych, takich jak kontuzja, jak i zewnętrznych, takich jak duży ładunek.

Replikacja tych możliwości w roboty będą miały kluczowe znaczenie, jeśli mają działać bezpiecznie i skutecznie w rzeczywistych sytuacjach. Wielu ekspertów ds. sztucznej inteligencji uważa również, że aby sztuczna inteligencja mogła osiągnąć swój pełny potencjał, musi zostać ucieleśniona fizycznie, a nie po prostu wchodzić w interakcję ze światem rzeczywistym za pośrednictwem abstrakcyjnych mediów, takich jak język. Zapewnienie maszynom możliwości uczenia się, jak działa ich ciało, jest prawdopodobnie kluczowym elementem.

Teraz zespół z Politechniki w Monachium opracował nowy rodzaj podejścia do uczenia maszynowego, które umożliwia szerokiej gamie różnych robotów wnioskowanie o układzie ich ciał na podstawie jedynie informacji zwrotnej z czujników śledzących ruch ich kończyn.

„Wcielenie robota determinuje jego możliwości percepcyjne i behawioralne” – piszą badacze w A papier w Robotics Nauki opisując dzieło. „Roboty zdolne do samodzielnego i stopniowego budowania zrozumienia swojej morfologii mogą monitorować stan swojej dynamiki, dostosowywać reprezentację swojego ciała i reagować na jego zmiany”.

Wszystkie roboty do skutecznego działania wymagają wewnętrznego modelu swojego ciała, ale zazwyczaj jest on albo zakodowany na stałe, albo wyuczony za pomocą zewnętrznych urządzeń pomiarowych lub kamer monitorujących ich ruchy. Natomiast nowe podejście próbuje nauczyć się układu ciała robota, wykorzystując jedynie dane z inercyjnych jednostek pomiarowych – czujników wykrywających ruch – umieszczonych w różnych częściach robota.

Podejście zespołu opiera się na fakcie, że sygnały z czujników znajdujących się bliżej siebie lub z tych samych części ciała będą się na siebie nakładać. Umożliwia to analizę danych z tych czujników w celu ustalenia ich położenia na ciele robota i ich wzajemnych relacji.

Najpierw zespół zmusza robota do generowania danych sensomotorycznych za pomocą „bełkotu silnika”, co polega na losowym aktywowaniu na krótkie okresy wszystkich serwomechanizmów maszyny w celu wygenerowania losowych ruchów. Następnie wykorzystują podejście oparte na uczeniu maszynowym, aby ustalić rozmieszczenie czujników i zidentyfikować podzbiory powiązane z konkretnymi kończynami i stawami.

Naukowcy zastosowali swoje podejście do różnych robotów zarówno w symulacjach, jak i eksperymentach w świecie rzeczywistym, w tym do ramienia robota, małego robota humanoidalnego i robota o sześciu nogach. Pokazali, że wszystkie roboty potrafią zrozumieć lokalizację swoich stawów i stronę, w którą są one zwrócone.

Co ważniejsze, podejście to nie wymaga ogromnego zbioru danych, jak metody głębokiego uczenia się leżące u podstaw większości współczesnej sztucznej inteligencji, i zamiast tego może być realizowane w czasie rzeczywistym. Otwiera to perspektywę robotów, które będą w stanie na bieżąco dostosowywać się do uszkodzeń lub dodawania nowych części nadwozia lub modułów.

„Wiemy, jak ważna jest zdolność robota do samodzielnej oceny i ciągłego aktualizowania wiedzy na temat jego morfologii” – piszą naukowcy. „Przyrostowe uczenie się morfologii umożliwiłoby robotom dostosowanie swoich parametrów, aby odzwierciedlić zmiany w strukturze ciała, które mogą wynikać z działań samookaleczonych lub spowodowanych przez czynniki zewnętrzne”.

Chociaż zrozumienie, jak działa twoje ciało, to tylko niewielka część nauki wykonywania przydatnych zadań, jest to ważny składnik. Zapewnienie robotom zdolności podobnej do propriocepcji mogłoby uczynić je bardziej elastycznymi, łatwiejszymi do przystosowania się i bezpieczniejszymi.

Źródło obrazu: xx / xx

• Dystrybucja treści i PR oparta na SEO. Uzyskaj wzmocnienie już dziś.
• PlatoData.Network Pionowe generatywne AI. Wzmocnij się. Dostęp tutaj.
• PlatoAiStream. Inteligencja Web3. Wiedza wzmocniona. Dostęp tutaj.
• PlatonESG. Węgiel Czysta technologia, Energia, Środowisko, Słoneczny, Gospodarowanie odpadami. Dostęp tutaj.
• Platon Zdrowie. Inteligencja w zakresie biotechnologii i badań klinicznych. Dostęp tutaj.
• Źródło: https://singularityhub.com/2023/12/15/body-awareness-scientists-give-robots-a-basic-sense-of-proprioception/