Это обзор научной статьи 2020 года об использовании систем обучения для обучения роботизированных рук и кистей захвату объектов.
Подходы к планированию, основанные на обучении, предпочтительнее аналитических методов из-за их способности лучше обобщать новые, частично наблюдаемые объекты. Однако сбор данных остается одним из самых узких мест для методов обучения хватанию, особенно для рук с несколькими пальцами. Относительно большое пространство конфигурации рук в сочетании с разнообразием объектов, распространенных в повседневной жизни, требует значительного количества образцов для создания надежных и уверенных классификаторов успеха захвата. В этой статье исследователи представляют первый активный подход глубокого обучения к пониманию, который унифицированно осуществляет поиск в пространстве конфигурации захвата и достоверности классификатора. Исследователи основывают свой подход на недавнем успехе в планировании многопальцевого захвата как вероятностного вывода с использованием изученной функции правдоподобия нейронной сети. Они встраивают это в многорукую бандитскую формулировку отбора выборки. Они показывают, что их активный подход к обучению схватыванию использует меньше обучающих выборок для достижения показателей успеха схватывания, сравнимых с пассивным методом обучения с учителем, обучаемым с использованием данных, генерируемых аналитическим планировщиком. В 2020 году исследователи также показали, что знания, генерируемые активным обучающимся, имеют большее качественное и количественное разнообразие по форме.
Arxiv – многопальцевое обучение активному хвату
Планирование захвата на основе обучения стало популярным за последнее десятилетие из-за его способности хорошо обобщать новые объекты, используя только частичную информацию об объекте. Эти подходы требуют больших объемов данных для обучения, особенно те, которые используют глубокие нейронные сети. Тем не менее, крупномасштабный сбор данных остается проблемой для многостороннего понимания, поскольку (1)
объекты, распространенные в повседневной жизни, сильно различаются по геометрии, текстуре, инерционным свойствам и внешнему виду; и
(2) относительно большой размер конфигураций захвата с несколькими пальцами (например, 22 размера для конфигурации захвата с несколькими пальцами).
поза руки и запястья в этой статье).
Новые подходы к активному обучению интерактивно изучают модель захвата, которая лучше охватывает пространство конфигурации захвата для различных объектов, используя меньшее количество образцов по сравнению с пассивным контролируемым обучением захвата. Вместо пассивного выдвижения гипотезы для объяснения имеющихся данных обучения, как при стандартном обучении с учителем, активное обучение разрабатывает и проверяет новые гипотезы непрерывно и в интерактивном режиме.
Активное обучение наиболее подходит, когда 1) немаркированных выборок данных много, 2) для обучения точной контролируемой системы обучения необходимо много помеченных данных и 3) образцы данных можно легко собрать или синтезировать. Обучение захвату удовлетворяет каждому из этих условий: 1) существует бесконечно много возможных захватов, 2) необходимо большое количество помеченных обучающих образцов, чтобы покрыть пространство, и 3) робот является собственным оракулом — он может попробовать захват и автоматически обнаружение успеха или неудачи без человеческой маркировки.
У Теслы уже есть автоматическая маркировка объектов в физическом мире.
Брайан Ван - идейный лидер футуризма и популярный научный блоггер с 1 миллионом читателей в месяц. Его блог Nextbigfuture.com занимает первое место среди новостных научных блогов. Он охватывает многие прорывные технологии и тенденции, включая космос, робототехнику, искусственный интеллект, медицину, биотехнологию против старения и нанотехнологии.
Известный тем, что выявляет передовые технологии, он в настоящее время является соучредителем стартапа и сборщиком средств для компаний с высоким потенциалом на ранней стадии. Он является руководителем отдела исследований ассигнований на инвестиции в глубокие технологии и ангел-инвестором в Space Angels.
Часто выступая в корпорациях, он был спикером TEDx, спикером Университета сингулярности и гостем на многочисленных интервью для радио и подкастов. Он открыт для публичных выступлений и консультирования.
