Дослідники досягають величезних успіхів у вдосконаленні роботизованої спритності та тактильного сприйняття. Мета? Роботи, які можуть маніпулювати об’єктами з витонченістю та точністю людських рук.
На передньому краї цієї галузі досліджень є новаторське дослідження Лабораторії комп’ютерних наук і штучного інтелекту Массачусетського технологічного інституту (CSAIL). Команда впоралася зі складним завданням маніпулювання багатими контактами, доменом, де роботи взаємодіють з об’єктами складними способами.
«Основним викликом для планування через контакт є гібридний характер динаміки контакту», зазначається в дослідженні.
Навчання з підкріпленням – це техніка, яка використовується ШІ для навчання моделі на основі винагород і покарань. Дослідники тут використали тип методу навчання з підкріпленням під назвою «згладжування», щоб спростити процес відчуття речей живими істотами та зробити його повторюваним примітивним роботом.
Більше того, їхній метод у поєднанні з плануванням руху на основі вибірки прокладає шлях до більш складних маніпуляцій із залученням численних контактних точок. Іншими словами: використання двох рук для маніпулювання об’єктом і взаємодії з ним. Їхні експерименти продемонстрували здатність генерувати складні рухи за лічені хвилини, значний стрибок у порівнянні з годинами, які вимагають традиційні методи RL.
Більше роботів, які навчаються за допомогою ШІ
Паралельно з цим Брістольський університет у Великобританії представив «Bi-Touch», новаторська тактильна роботизована система з подвійною рукою. «Ми пропонуємо набір завдань бімануальної маніпуляції, адаптованих до тактильного зворотного зв’язку: подвійне штовхання, подвійне переорієнтування та подвійне збирання». в наукова робота читає. Ця система завдяки глибокому підкріпленню навчання від sim-to-real може виконувати складні завдання маніпулювання, наприклад спільне штовхання об’єктів і вміле їх обертання.
На Західному узбережжі дослідники Стенфордського університету навчають роботів складним завданням за допомогою відеодемонстрацій на людях. Їхній метод, який використовує масковану зйомку камери «око в руці», уникає необхідності дорогого перекладу зображень між доменами людини та робота.
«З іншого боку, відео, на яких зображено людей, які виконують завдання, набагато дешевше збирати, оскільки вони усувають потребу в досвіді роботизованої телеоперації», — стверджують дослідники у своєму науковий папір.
По суті, ці дослідники вчаться, переглядаючи підручники на YouTube за допомогою відео навчити своїх роботів, як робити деякі речі, і їхній підхід підвищив рівень успіху в нових налаштуваннях тестування на вражаючих 58% порівняно з традиційним навчанням даних роботів.
Ці новаторські дослідження спільно прокладають шлях до роботів, здатних маніпулювати об’єктами з нюансами, схожими на людські здібності. Такі досягнення могли б змінити визначення галузей промисловості, від виробничих ліній до операційних. Уявіть собі хірургічну процедуру, під час якої робот із штучним інтелектом допомагає хірургу, підвищуючи точність і результати.
Отже, любителі наукової фантастики, не бійтеся. Доброзичливі роботи-помічники не повинні виключати можливість співіснування людства з час від часу чарівним роботом-негідником. Поки роботи сваряться зі своїми товаришами-людьми, а не знищують їх, ми маємо бути вільними.
Будьте в курсі криптовалютних новин, отримуйте щоденні оновлення на свою поштову скриньку.
- 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. Автомобільні / електромобілі, вуглець, CleanTech, Енергія, Навколишнє середовище, Сонячна, Поводження з відходами. Доступ тут.
- PlatoHealth. Розвідка про біотехнології та клінічні випробування. Доступ тут.
- ChartPrime. Розвивайте свою торгову гру за допомогою ChartPrime. Доступ тут.
- BlockOffsets. Модернізація екологічної компенсаційної власності. Доступ тут.
- джерело: https://decrypt.co/153646/ai-researchers-are-teaching-robots-to-mimic-human-dexterity