Розуміння тіла: вчені дають роботам базове відчуття «пропріоцепції»

Багато експертів вважають більше загальні форми штучного інтелекту буде неможливо, не надавши штучному інтелекту тіло в реальному світі. Новий підхід, який дозволяє роботам вивчати, як налаштовано їхнє тіло, може прискорити цей процес.

Здатність інтуїтивно відчувати структуру та розташування нашого тіла, що називається пропріоцепцією, є потужною здатністю. Ще більш вражає наша здатність оновлювати нашу внутрішню модель того, як усі ці частини працюють — і як вони працюють разом — залежно від внутрішніх факторів, як-от травма, або зовнішніх факторів, як-от велике навантаження.

Копіювання цих можливостей у роботи матиме вирішальне значення, якщо вони хочуть працювати безпечно та ефективно в реальних ситуаціях. Багато експертів зі штучного інтелекту також вважають, що для того, щоб штучний інтелект повністю реалізував свій потенціал, його потрібно фізично втілити, а не просто взаємодіяти з реальним світом за допомогою абстрактних засобів, таких як мова. Дати машинам можливість дізнатися, як працює їхнє тіло, ймовірно, є ключовим інгредієнтом.

Тепер команда з Мюнхенського технічного університету розробила новий вид підходу до машинного навчання, який дозволяє різноманітним роботам визначати структуру своїх тіл, використовуючи не більше ніж зворотний зв’язок від датчиків, які відстежують рух їхніх кінцівок.

«Втілення робота визначає його перцептивні та поведінкові можливості», — пишуть дослідники в a папір в Наука робототехніка описуючи роботу. «Роботи, здатні самостійно та поступово розвивати розуміння своєї морфології, можуть стежити за станом своєї динаміки, адаптувати представлення свого тіла та реагувати на зміни в ньому».

Усім роботам для ефективної роботи потрібна внутрішня модель їхнього тіла, але зазвичай вона або жорстко закодована, або вивчається за допомогою зовнішніх вимірювальних пристроїв або камер, які відстежують їхні рухи. Навпаки, новий підхід намагається вивчити макет тіла робота, використовуючи лише дані з інерційних вимірювальних пристроїв — датчиків, які виявляють рух, — розміщених на різних частинах робота.

Підхід команди ґрунтується на тому факті, що сигнали від датчиків, розташованих ближче один до одного або на тих самих частинах тіла, збігаються. Це дає змогу аналізувати дані від цих датчиків, щоб визначити їхнє положення на тілі робота та взаємозв’язок один з одним.

По-перше, команда змушує робота генерувати сенсомоторні дані за допомогою «лепетання двигуна», що передбачає випадкову активацію всіх сервоприводів машини на короткий проміжок часу для створення випадкових рухів. Потім вони використовують підхід машинного навчання, щоб визначити, як розташовані датчики, і ідентифікувати підмножини, які стосуються конкретних кінцівок і суглобів.

Дослідники застосували свій підхід до різноманітних роботів як у моделюванні, так і в експериментах у реальному світі, включаючи роботизовану руку, маленького гуманоїдного робота та шестиногого робота. Вони показали, що всі роботи можуть розвинути розуміння розташування своїх суглобів і того, куди вони спрямовані.

Що ще важливіше, цей підхід не потребує масивного набору даних, як для методів глибокого навчання, що лежать в основі більшості сучасних штучних інтелектів, і натомість його можна застосовувати в режимі реального часу. Це відкриває перспективу роботів, які можуть адаптуватися до пошкоджень або додавання нових частин або модулів тіла на льоту.

«Ми усвідомлюємо важливість здатності робота самостійно оцінювати та постійно оновлювати знання про свою морфологію», — пишуть дослідники. «Поступове вивчення морфології дозволить роботам адаптувати свої параметри, щоб відображати зміни в структурі тіла, які можуть виникнути внаслідок власних або зовнішніх дій».

Хоча розуміння того, як працює ваше тіло, є лише невеликою частиною навчання тому, як виконувати корисні завдання, це важливий інгредієнт. Надаючи роботам цю здатність, подібну до пропріоцепції, можна зробити їх більш гнучкими, адаптованими та безпечними.

Авторство зображення: xx / xx

• Розповсюдження контенту та PR на основі SEO. Отримайте посилення сьогодні.
• PlatoData.Network Vertical Generative Ai. Додайте собі сили. Доступ тут.
• PlatoAiStream. Web3 Intelligence. Розширення знань. Доступ тут.
• ПлатонЕСГ. вуглець, CleanTech, Енергія, Навколишнє середовище, Сонячна, Поводження з відходами. Доступ тут.
• PlatoHealth. Розвідка про біотехнології та клінічні випробування. Доступ тут.
• джерело: https://singularityhub.com/2023/12/15/body-awareness-scientists-give-robots-a-basic-sense-of-proprioception/