Zavedanje telesa: znanstveniki dajejo robotom osnovni občutek 'propriocepcije'

Mnogi strokovnjaki verjamejo več splošne oblike umetne inteligence bo nemogoče, ne da bi umetni inteligenci dali telo v resničnem svetu. Nov pristop, ki robotom omogoča, da se naučijo, kako je konfigurirano njihovo telo, bi lahko pospešil ta proces.

Sposobnost intuitivnega zaznavanja postavitve in položaja naših teles, kar je znano kot propriocepcija, je močna sposobnost. Še bolj impresivna je naša zmožnost posodobitve našega notranjega modela delovanja vseh teh delov – in kako delujejo skupaj – odvisno od notranjih dejavnikov, kot je poškodba, ali zunanjih, kot je težka obremenitev.

Podvajanje teh zmožnosti v roboti bodo ključnega pomena, če bodo delovali varno in učinkovito v resničnih situacijah. Številni strokovnjaki za umetno inteligenco prav tako verjamejo, da mora biti umetna inteligenca fizično utelešena, da bi dosegla svoj polni potencial, namesto da preprosto komunicira z resničnim svetom prek abstraktnih medijev, kot je jezik. Omogočanje strojev, da se naučijo, kako deluje njihovo telo, je verjetno ključna sestavina.

Zdaj je ekipa s Tehnične univerze v Münchnu razvila novo vrsto pristopa strojnega učenja, ki omogoča široki paleti različnih robotov, da sklepajo o postavitvi svojih teles z uporabo nič drugega kot povratnih informacij senzorjev, ki sledijo gibanju njihovih udov.

"Utelešenje robota določa njegove zaznavne in vedenjske sposobnosti," pišejo raziskovalci v a papir v Znanstvena robotika opisovanje dela. "Roboti, ki so sposobni samostojno in postopoma graditi razumevanje svoje morfologije, lahko spremljajo stanje svoje dinamike, prilagodijo predstavitev svojega telesa in se odzovejo na njegove spremembe."

Vsi roboti za učinkovito delovanje potrebujejo notranji model svojega telesa, vendar je to običajno bodisi trdo kodirano ali pa se ga naučimo z uporabo zunanjih merilnih naprav ali kamer, ki spremljajo njihovo gibanje. V nasprotju s tem se novi pristop poskuša naučiti postavitve robotovega telesa z uporabo samo podatkov iz inercialnih merilnih enot - senzorjev, ki zaznajo gibanje - nameščenih na različnih delih robota.

Pristop ekipe temelji na dejstvu, da bo prišlo do prekrivanja signalov senzorjev, ki so bližje skupaj ali na istih delih telesa. To omogoča analizo podatkov iz teh senzorjev, da se določi njihov položaj na robotovem telesu in medsebojni odnosi.

Prvič, ekipa pripravi robota do generiranja senzomotoričnih podatkov s pomočjo "čebljanja motorja", kar vključuje naključno aktiviranje vseh servomotorjev stroja za kratka obdobja za ustvarjanje naključnih gibov. Nato uporabijo pristop strojnega učenja, da ugotovijo, kako so senzorji razporejeni, in identificirajo podskupine, ki se nanašajo na določene okončine in sklepe.

Raziskovalci so svoj pristop uporabili za različne robote tako v simulacijah kot v poskusih v resničnem svetu, vključno z robotsko roko, majhnim humanoidnim robotom in šestnožnim robotom. Pokazali so, da lahko vsi roboti razvijejo razumevanje lokacije svojih sklepov in v katero smer so ti sklepi obrnjeni.

Še pomembneje je, da pristop ne zahteva ogromnega nabora podatkov, kot so metode globokega učenja, ki podpirajo večino sodobne umetne inteligence, in se namesto tega lahko izvaja v realnem času. To odpira možnosti za robote, ki se lahko prilagajajo poškodbam ali dodajanju novih delov telesa ali modulov sproti.

"Zavedamo se pomena sposobnosti robota, da avtonomno oceni in nenehno posodablja znanje o svoji morfologiji," pišejo raziskovalci. "Postopno učenje morfologije bi omogočilo robotom, da prilagodijo svoje parametre, da bi odražali spremembe v strukturi telesa, ki bi lahko bile posledica dejanj, ki so jih povzročili sami ali od zunaj."

Čeprav je razumevanje delovanja vašega telesa le majhen del učenja, kako izvajati koristne naloge, je pomembna sestavina. Če bi robotom dali sposobnost, podobno propriocepciji, bi jih lahko naredili bolj prožne, prilagodljive in varne.

Avtorstvo slike: xx / xx

• Distribucija vsebine in PR s pomočjo SEO. Okrepite se še danes.
• PlatoData.Network Vertical Generative Ai. Opolnomočite se. Dostopite tukaj.
• PlatoAiStream. Web3 Intelligence. Razširjeno znanje. Dostopite tukaj.
• PlatoESG. Ogljik, CleanTech, Energija, Okolje, sončna energija, Ravnanje z odpadki. Dostopite tukaj.
• PlatoHealth. Obveščanje o biotehnologiji in kliničnih preskušanjih. Dostopite tukaj.
• vir: https://singularityhub.com/2023/12/15/body-awareness-scientists-give-robots-a-basic-sense-of-proprioception/