211service.com
Een robot heeft ontdekt hoe hij gereedschap moet gebruiken
ANNIE XIE Annie Xie
Het leren gebruiken van tools speelde een cruciale rol in de evolutie van de menselijke intelligentie. Het kan ook van vitaal belang zijn voor de opkomst van slimmere, meer capabele robots.
Nieuw onderzoek toont aan dat robots in ieder geval de beginselen van het gebruik van gereedschap kunnen doorgronden door een combinatie van experimenteren en mensen observeren.
Chelsea Fin , een onderzoeker bij Google Brain, en Sergey Levine , een assistent-professor aan UC Berkeley, ontwikkelde het robotsysteem samen met een aantal studenten van Levine. (Finn en Levine werden innovators Under 35 genoemd door MIT Technology Review in respectievelijk 2018 en 2016.)
De opstelling bestaat uit een kant-en-klare robotarm die kan worden bestuurd door een persoon of een computer. Het bevat ook een camera die de omgeving binnen het bereik van de arm ziet - en, het belangrijkste, een computer met een zeer groot neuraal netwerk waarmee de robot kan leren.
De robot bedacht hoe hij gebruik kon maken van eenvoudige werktuigen, waaronder een stoffer en blik en een stofdoek, om andere objecten te verplaatsen. Het werk laat zien hoe robots op een dag kunnen leren om geavanceerde manipulaties uit te voeren en abstracte problemen voor zichzelf op te lossen. Het is spannend omdat het betekent dat de robot kan bedenken wat hij met een gereedschap moet doen in situaties die hij nog niet eerder heeft gezien, zegt Finn. We willen dat soort algemeenheden echt bestuderen, in plaats van een robot die één tool leert gebruiken.
De onderzoekers hebben eerder laten zien hoe een robot kan leren objecten te verplaatsen zonder expliciete instructie. Door te observeren en te experimenteren ontwikkelt de robot een eenvoudig model van oorzaak en gevolg (Duw een object deze kant op en het komt daar terecht). De nieuwe robot leert op een vergelijkbare manier, maar hij bouwt een complexer model van de fysieke wereld (door dit item te verplaatsen, kunnen die andere items daarheen worden verplaatst).
Het robotsysteem leert op verschillende manieren. Om een basisbegrip van oorzaak en gevolg te krijgen, experimenteert het alleen met objecten en duwt het rond om de resultaten te zien. Het wordt ook gevoed met gegevens van veel eerdere robotleren. Doorheen leert een terugkerend neuraal netwerk te voorspellen wat er in een scène zal gebeuren als de robot een bepaalde actie onderneemt.
Om het gereedschapsgebruik onder de knie te krijgen, observeert de robot ook het menselijk gedrag. Door de lessen van de twee soorten leren te combineren, kan de robot vervolgens bepalen hoe een object in een nieuwe situatie moet worden gebruikt.
Annie Xie , een niet-gegradueerde student aan UC Berkeley die bij het project betrokken is, schrijft over het werk in een gerelateerde blogpost: Met een mix van demonstratiegegevens en ervaring zonder toezicht kan een robot nieuwe objecten als gereedschap gebruiken en zelfs improviseren instrumenten in de afwezigheid van traditionele.
Levine, een vooraanstaand onderzoeker op het gebied van robotleren, zegt dat hij verrast was door het vermogen van de robot om te improviseren. In één geval besloot de robot bijvoorbeeld dat een waterfles, vanwege zijn vorm en grootte, kon worden gebruikt om objecten over een oppervlak te vegen.
Als je dingen laat zien die eigenlijk geen gereedschap zijn, kan het manieren bedenken om ze te gebruiken die een beetje verrassend waren, zegt Levine.