Исследователи научили робота обучаться увиденному
Представьте себе персонального робота, который приносит кофе в постель; домашнего робота, помогающего пожилой бабушке, которая живет одна, по хозяйству; робоавтомобиль, который сам завозит в школу детей, а вас – на работу, пока вы спокойно завтракаете на заднем сидении...
Похоже на научную фантастику, но специалисты говорят, что подобные сценарии гораздо ближе к реальности, чем можно представить, сообщается в National Geographic.
Специалист по робототехнике из Университета Брауна Чед Дженкинс ожидает в скором времени революцию роботов, которая отзовется эхом компьютерной революции последних десятилетий. И он говорит, что это произойдет благодаря тому, что роботы смогут учиться, как люди: наблюдать, как ведут себя другие, задавать вопросы и применять свои знания в типичных ситуациях.
«Роботы, которых вы видите сегодня, главным образом похожи на компьютеры 1970-х годов, – говорит Дженкинс. – Но нетрудно заметить, как развиваются технологии». «Пылесосы, беспилотные самолеты – это только первые шаги», – замечает он, указывая на пылесос Roomba iRobot, который самостоятельно убрал миллионы домов с момента его дебюта в 2002 году.
«И эти технологии становятся все более дешевыми, более способными и более компактными», – добавляет он.
Дженкинс не единственный, кто предсказывает будущее, в котором роботы будут играть более активную роль в нашей жизни. «Робототехника переживает переломный момент, – говорит директор лаборатории автономии и интерактивного обучения роботов Вустерского политехнического института Соня Чернова. – Роботы переходят от грязных, унылых и опасных работ к более широкому набору функций».
Такие предприниматели, как основатель крупной российской инвестиционной фирмы Дмитрий Гришин, уже тоже обращаются к персональной робототехнике.
«Наша планета в течение долгого времени не видела революционных технологических прорывов в реальном, офлайновом мире, – писал Гришин. – Мы на начальном этапе трансформационного периода в робототехнике».
Но чтобы действительно перейти на другой уровень, говорят специалисты в области робототехники, роботы должны будут эволюционировать из машин, которые могут только выполнять задачи, на которые они запрограммированы, в автоматизированные устройства, которые действительно способны учиться. Поэтому невозможно предварительно запрограммировать робота на все, с чем он столкнется в постоянно меняющемся реальном мире.
«Если рассмотреть то, где роботы действительно успешны сегодня, – это прежде всего полностью управляемые стабильные среды. Например, это конвейер, где процесс цикличен и неизменен, или же это роботы в руках экспертов с докторскими, которые прогуливаются по Марсу, – говорит Чернова. – Чтобы заставить роботов справляться со сложностями нашего мира, мы встаем перед необходимостью подстраивать их на месте использования».
«Как вытащить робота из лаборатории в реальный мир, для работы с настоящими людьми так, чтобы они могли нормально взаимодействовать? Вы не должны быть программистом, чтобы запрограммировать робота: вы просто показываете ему, что вы хотите, чтобы он сделал, и он научится», – говорит Дженкинс.
Робот PR2 был разработан для помощи в исследовании. На фотографии он доставляет почту. Фото с сайта nationalgeographic.com
Картография мира робота
Проблема развития искусственного интеллекта робота, который будет способен к изучению посредством обучения, связана с проблемой восприятия. В то время как сегодняшние роботы вооружены датчиками, сканерами, камерами и другими высокотехнологичными инструментами, специалисты все еще учатся помогать им понимать то, с чем они сталкиваются.
Дженкинс и другие ученые, которые работают над развитием роботов, способных учиться через наблюдение, обычно картографируют «облако» частных значений, произведенных определенным демонстрационным действием – таким, как, например, поднятие стакана или прохождение лабиринта. Затем они анализируют это облако, чтобы развить у робота способность запоминания алгоритмов, которые позволят им самостоятельно выполнять задачи.
Робот должен запомнить действие, которое сделал человек. Когда придет время, он должен распознать похожую ситуацию и сделать то, что делал человек. Чтобы этого достигнуть, нужно получить определенный объем данных и, применяя машинное запоминание и статистические технологии, произвести математическую функцию соединения карт того, что видит робот, и действия, выполнение которого требуется от робота.
«Каким образом мы дадим им знание 3D-мира так, чтобы мы могли заставить их действовать и взаимодействовать с предметами самым естественным возможным способом?» Как говорит Дженкинс, это один из главных вопросов в исследовании: «Язык и жесты – вероятно, самые легкие способы».
Дженкинс и команда исследователей делают устойчивые успехи на пути к обучению роботов. Сейчас исследователи учат робота-прототип PR2 складывать предметы, поднимать объекты, наводить порядок в лаборатории и даже ударять по футбольному мячу.
Комментарии читателей Оставить комментарий
Ага вот ситуация. 1. Идет женщина у неё крадут сумку, она кричит на помощь. Мимо проезжает продукт выше упомянутый в статье, посмотрел на происходящие и сразу меняет маршрут. Подальше от кражи!
Ситуация 2. Человека сбивает машина, мимо проезжает опять упомянутый родной продукт. Не долго думая он подкатывает к пострадавшему и начинает шарить по карманам.
Ситуация 3. Подвыпившая девушка спотыкаяется и падает. И снова наш рыцарский продукт спешит на помощь. Подкатывает к девушке, улавливает пары спиртного и подхвотив даму укатывает с ней в ближайший переулок или кусты.
После чего в газете появляется умо умопомрачительная стотья.
Итак стоит ли позволять технике учиться от нас самих?