Bu, nesneleri kavramak için robotik kolları ve elleri eğitmek amacıyla öğrenme sistemlerinin kullanılmasıyla ilgili 2020 akademik makalesinin bir incelemesidir.
Planlamayı kavramak için öğrenmeye dayalı yaklaşımlar, yeni, kısmen gözlemlenen nesnelere daha iyi genelleme yapma yeteneklerinden dolayı analitik yöntemlere göre tercih edilir. Ancak veri toplama, özellikle çok parmaklı eller için kavrama öğrenme yöntemlerinin en büyük darboğazlarından biri olmaya devam ediyor. Ellerin nispeten yüksek boyutlu konfigürasyon alanı, günlük yaşamda yaygın olan nesnelerin çeşitliliği ile birleştiğinde, sağlam ve kendinden emin kavrama başarısı sınıflandırıcıları üretmek için önemli sayıda örnek gerektirir. Bu makalede araştırmacılar, kavrama yapılandırma alanı ve sınıflandırıcı güveni üzerinde birleşik bir şekilde arama yapan, kavramaya yönelik ilk aktif derin öğrenme yaklaşımını sunmaktadır. Araştırmacılar, yaklaşımlarını, öğrenilmiş bir sinir ağı olasılık fonksiyonu ile olasılıksal çıkarım olarak çok parmaklı kavramaları planlamadaki son başarılara dayandırıyor. Bunu, çok kollu haydutların örnek seçimi formülasyonuna dahil ediyorlar. Aktif kavramalı öğrenme yaklaşımının, analitik bir planlayıcı tarafından oluşturulan kavrama verileriyle eğitilen pasif denetimli öğrenme yöntemiyle karşılaştırılabilir kavrama başarı oranları üretmek için daha az eğitim örneği kullandığını gösteriyorlar. 2020'de araştırmacılar ayrıca aktif öğrenci tarafından oluşturulan kavrayışların şekil olarak daha fazla niteliksel ve niceliksel çeşitliliğe sahip olduğunu gösteriyor.
Arxiv – Çok Parmaklı Aktif Kavrama Öğrenme
Öğrenmeye dayalı kavrama planlaması, yalnızca kısmi görünümlü nesne bilgileriyle yeni nesnelere iyi bir şekilde genelleştirme yeteneği nedeniyle son on yılda popüler hale geldi. Bu yaklaşımlar, özellikle derin sinir ağlarını kullananlar olmak üzere, eğitim için büyük miktarda veri gerektirir. Ancak büyük ölçekli veri toplama, birden fazla parmakla kavrama açısından zorluk olmaya devam ediyor çünkü (1)
günlük yaşamda yaygın olarak kullanılan nesneler geometri, doku, eylemsizlik özellikleri ve görünüm açısından büyük farklılıklar gösterir; Ve
(2) çok parmaklı kavrama konfigürasyonlarının nispeten yüksek boyutu (örneğin, konfigürasyon için 22 boyut)
Bu yazıda el ve bilek pozu).
Daha yeni aktif öğrenme yaklaşımları, pasif, denetimli kavrama öğrenicisine kıyasla daha az örnek kullanarak farklı nesneler arasındaki kavrama yapılandırma alanını daha iyi kapsayan bir kavrama modelini etkileşimli olarak öğrenir. Standart denetimli öğrenmede olduğu gibi mevcut eğitim verilerini açıklamak için pasif bir hipotez oluşturmak yerine, aktif öğrenme sürekli ve etkileşimli olarak yeni hipotezler geliştirir ve test eder.
Aktif öğrenme, 1) etiketlenmemiş veri örnekleri çok sayıda olduğunda, 2) doğru bir denetimli öğrenme sistemini eğitmek için çok sayıda etiketli veriye ihtiyaç duyulduğunda ve 3) veri örnekleri kolayca toplanabildiğinde veya sentezlenebildiğinde en uygunudur. Kavrama öğrenimi şu koşulların her birini karşılar: 1) sonsuz sayıda olası kavrama vardır, 2) alanı kaplamak için çok sayıda etiketli eğitim örneği gereklidir ve 3) robot kendi kahinidir; bir kavramayı deneyebilir ve otomatik olarak İnsan etiketlemesi olmadan başarıyı veya başarısızlığı tespit etmek.
Tesla halihazırda fiziksel dünyadaki nesneleri otomatik olarak etiketleyebiliyor.
Brian Wang, Fütürist Düşünce Lideri ve ayda 1 milyon okuyucusu olan popüler bir Bilim blog yazarıdır. Blogu Nextbigfuture.com, Science News Blog'da 1. sırada yer alıyor. Uzay, Robotik, Yapay Zeka, Tıp, Yaşlanma Karşıtı Biyoteknoloji ve Nanoteknoloji dahil olmak üzere birçok yıkıcı teknoloji ve trendi kapsar.
En son teknolojileri tanımlamasıyla tanınan, şu anda yüksek potansiyele sahip erken aşamadaki şirketler için bir başlangıç ve bağış toplama kuruluşunun Kurucu Ortağıdır. Derin teknoloji yatırımları için Tahsis Araştırma Başkanı ve Space Angels'ta Melek Yatırımcıdır.
Şirketlerde sık sık konuşmacı olarak, TEDx konuşmacısı, Singularity Üniversitesi konuşmacısı ve radyo ve podcast'ler için çok sayıda röportajda konuk olmuştur. Topluluk önünde konuşma ve danışmanlık görüşmelerine açıktır.
