Naukowcy dokonują monumentalnych postępów w zwiększaniu zręczności robotów i wyczuwania dotyku. Cel? Roboty potrafiące manipulować przedmiotami z finezją i precyzją ludzkich rąk.
Na czele tej dziedziny badawczej stoi przełomowe badanie przeprowadzone przez Laboratorium Informatyki i Sztucznej Inteligencji (CSAIL) MIT. Zespół podjął się skomplikowanego wyzwania związanego z manipulacją bogatą w kontakt – dziedziną, w której roboty wchodzą w interakcję z obiektami w złożony sposób.
„Głównym wyzwaniem w planowaniu poprzez kontakt jest hybrydowy charakter dynamiki kontaktu” notatki z badania.
Uczenie się przez wzmacnianie to technika stosowana przez sztuczną inteligencję do trenowania modelu opartego na nagrodach i karach. Naukowcy zastosowali metodę uczenia się przez wzmacnianie zwaną „wygładzaniem”, aby uprościć sposób, w jaki żywe istoty przechodzą przez proces wyczuwania rzeczy i umożliwić jego replikację przez prymitywnego robota.
Co więcej, ich metoda w połączeniu z planowaniem ruchu opartym na próbkowaniu toruje drogę do bardziej skomplikowanych manipulacji obejmujących wiele punktów kontaktowych. Innymi słowy: używanie dwóch rąk do manipulowania obiektem i interakcji z nim. Ich eksperymenty wykazały zdolność do generowania skomplikowanych ruchów w ciągu zaledwie kilku minut, co stanowi znaczący skok w porównaniu z godzinami wymaganymi w przypadku tradycyjnych metod RL.
Więcej robotów uczących się dzięki sztucznej inteligencji
Równolegle Uniwersytet w Bristolu w Wielkiej Brytanii zaprezentował „Bi-dotyk”, pionierski dwuramienny dotykowy system robotyczny. „Proponujemy zestaw zadań manipulacji dwuręcznych dostosowanych do informacji zwrotnej dotykiem: bi-pchanie, bi-reorientacja i bi-zbieranie”. the czytamy w artykule badawczym. System ten, dzięki głębokiemu uczeniu się przez wzmacnianie od symulacji do rzeczywistego, może opanować skomplikowane zadania manipulacyjne, takie jak wspólne popychanie obiektów i umiejętne ich obracanie.
Na zachodnim wybrzeżu badacze z Uniwersytetu Stanforda uczą roboty skomplikowanych zadań, korzystając z demonstracji wideo prowadzonych przez ludzi. Ich metoda, wykorzystująca nagrania z zamaskowanej kamery „oko w rękę”, pozwala uniknąć kosztownych tłumaczeń obrazów między domenami ludzi i robotów.
„Z drugiej strony gromadzenie filmów przedstawiających ludzi wykonujących zadania jest znacznie tańsze, ponieważ eliminują potrzebę posiadania specjalistycznej wiedzy w zakresie teleoperacji robotów” – przekonują naukowcy w swoim artykule praca naukowa.
Zasadniczo ludzie ci uczą się, oglądając samouczki na YouTube, tak samo są z tymi badaczami za pomocą filmów uczyć swoje roboty pewnych czynności, a ich podejście zwiększyło wskaźniki powodzenia w nowych ustawieniach testowych o imponujące 58% w porównaniu z tradycyjnym szkoleniem opartym na danych robotów.
Te przełomowe badania wspólnie torują drogę robotom zdolnym do manipulowania obiektami w sposób zbliżony do ludzkich możliwości. Takie postępy mogą na nowo zdefiniować gałęzie przemysłu, od linii produkcyjnych po sale operacyjne. Wyobraź sobie zabieg chirurgiczny, w którym robot napędzany sztuczną inteligencją pomaga chirurgowi, zwiększając precyzję i wyniki.
Zatem miłośnicy science fiction nie obawiajcie się. Przyjazne roboty pomocnicze nie muszą wykluczać możliwości współistnienia ludzkości z okazjonalnymi czarującymi robotami-zrzędą. Dopóki roboty będą się kłócić ze swoimi ludzkimi towarzyszami, zamiast ich eliminować, wszystko powinno być jasne.
Bądź na bieżąco z wiadomościami o kryptowalutach, otrzymuj codzienne aktualizacje w swojej skrzynce odbiorczej.
- 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. Motoryzacja / pojazdy elektryczne, Węgiel Czysta technologia, Energia, Środowisko, Słoneczny, Gospodarowanie odpadami. Dostęp tutaj.
- Platon Zdrowie. Inteligencja w zakresie biotechnologii i badań klinicznych. Dostęp tutaj.
- ChartPrime. Podnieś poziom swojej gry handlowej dzięki ChartPrime. Dostęp tutaj.
- Przesunięcia bloków. Modernizacja własności offsetu środowiskowego. Dostęp tutaj.
- Źródło: https://decrypt.co/153646/ai-researchers-are-teaching-robots-to-mimic-human-dexterity