Роботы будущего будут обучаться благодаря любопытству и самостоятельному определению целей

      Комментарии к записи Роботы будущего будут обучаться благодаря любопытству и самостоятельному определению целей отключены

Роботы будущего будут обучаться благодаря любопытству и самостоятельному определению целей

Представьте себе, что приятель требует вас оказать помощь прибраться в его комнате, полной различных вещей и мебели. Но представьте кроме этого, что помогать вам в этом он не будет, а просто опишет вам, продемонстрировав фотографии, то, как ему хотелось бы, дабы его помещение смотрелась в итоге. Задача может показаться неинтересной, но любой из нас справится с ней. Будучи детьми, мы открывали новые объекты, обучились распознавать их и выработали навыки обращения с ними.

Подталкиваемые любопытством, мы неспешно нарабатывали визуальное, внимательное и сенсорно-моторное знание, разрешающее нам, взрослым, обращаться с нашим физическим окружением по отечественному выбору.

Сегодняшние роботы не приспособлены для таких задач. Представьте гуманоидного робота, помогающего прибираться в помещении. Допустим, вы продемонстрировали роботу помещение в обычном, убранном состоянии, и в то время, когда в ней наступил беспорядок, вы приказываете роботу убрать её до начального состояния.

В таких условиях было бы весьма утомительно учить робота тому, куда направлять внимание, и как управляться с каждым из объектов, дабы положить его в верной позиции на необходимое место, либо как выстроить последовательность действий.

И не смотря на то, что каждый год появляются новые, сложные роботы и продвинутые методы, исполнение сложных обязанностей и поиск малоизвестных ответов для различных задач требует изнурительного программирования подробностей, которые связаны с моторикой нижнего уровня. В лучшем случае роботы способны обучиться маленькому комплекту негибких действий. Сравнивая сегодняшние успехи ИИ с биологическим интеллектом, мы заметим, что у ИИ всё ещё имеется ограничения в гибкости и автономности.

Роботы будущего должны будут мочь обучаться самостоятельно постигать собственное окружение, другими словами, самостоятельно определять цели и действенно приобретать навыки для их успехи, на основании приобретения, трансформации, рекомбинации и обобщения взятых ранее навыков и знаний. Это разрешит им, с маленьким дополнительным обучением, поменять окружение с текущего состояния до многих конечных состояний, заданных в качестве цели пользователем. Вопрос в том, как мы можем создать роботов будущего, талантливых совладать с таковой задачей?

Проект GOAL-Robots

В отыскивании ответа на данный вопрос и был начат проект, ответственный для применения ИИ – европейский проект, курируемый лабораторией материализованной вычислительной нейрологии (Laboratory of Computational Embodied Neuroscience, LOCEN), итальянской исследовательской группой, базирующейся в Университете когнитивных технологий и наук, принадлежащем итальянскому национальному исследовательскому комитету (ISTC-CNR).

Проект GOAL-Robots:[http://cordis.europa.eu/…3543_en.html] – целевые независимые обучающиеся роботы открытой совокупности [Goal-based Open-ended Autonomous Learning Robots] попал на первое место в перечне 11 проектов, взявших финансирование среди 800 участников конференции EU FET-OPEN call (Future Emergent Technologies), и есть частью исследовательской программы Horizon 2020 EU. LOCEN и её научный руководитель Жанлука Бальдассар [Gianluca Baldassarre] будут координировать консорциум, включающий ещё три серьёзных европейских исследовательских группы:

1. восприятия и Лаборатория психологии (LPP) из Франции, под управлением Кевина О’Регана, трудящаяся в Парижском университете неврологии и когнитивных наук имени Декарта, будет проводить опыты, связанные с покупкой целей и навыков у детей.

2. Франкфуртский университет передовых изучений (FIAS) в Германии, под управлением Йохена Триша [Jochen Triesch], сконцентрируется на разработке визуальных совокупностей и моторики по подобию биологических.

3. Несколько экспертов по робототехнике под управлением Яна Питерса [Jan Peters], Дармштадтский технический университет (TUDa) в Германии будет заниматься демонстрацией роботов для проекта.

GOAL-Robots следует за прошлым европейским проектом IM-CLeVeR («внутренне мотивированные кумулятивно обучающиеся универсальные роботы»), в котором LOCEN с прошлыми партнёрами изучали роль внутренней мотивации (ВМ) в побуждении независимого обучения как в живых организмах, так и в роботах. Научное изучение ВМ началось с наблюдения за тем, как дети из любопытства исследуют и взаимодействуют с окружающим миром, приобретая знания о том, как трудятся вещи, и получая громадный репертуар сенсорно-моторных навыков для сотрудничества с ними.

В случае если любопытство и не сильный являются базой адаптивности и универсальности человека, то ИИ с алгоритмом и архитектурой, эмулирующими ВМ, смогут оказать помощь в создании «мотивационного двигателя», что будет вести роботов через независимый открытый процесс обучения, не требующий постоянного тренировки и программирования людьми.

GOAL-Robots кроме этого додаёт серьёзный компонент для разработки открытого обучения роботов: цели. Цель – это внутреннее представление личности о мире, состоянии тела либо событии, либо комплекте событий, имеющее два серьёзных особенности. Первое, личность может стать причиной этого представление кроме того при отсутствии восприятия соответствующего состояния мира либо события.

Второе, данный вызов владеет мотивационным эффектом, другими словами он может оказать влияние на выбор, поведение внимания и фокусировку личности, и вести его процесс обучения к достижению цели. Возможность создания мотивационных целей по желанию, пускай и абстрактных, и их применение для обучения и выбора действий, это главный элемент возможности обучения и поведенческой гибкости биологических личностей. Участники проекта верят, что обеспечение роботов подходящими для создания и преследования обучающих целей механизмами радикально увеличит их потенциал независимого обучения.

идеи и Задачи

Мысль проекта в комбинации механизмов, которые связаны с ВМ и мотивирующей силы целей. В частности, ВМ будет стимулировать роботов на независимые открытия новых занимательных событий, случившихся благодаря действиям их самих. Роботы будут изучить собственное окружение под влиянием любопытства и для независимой постановки всё более сложных целей, и применять их для получения разных навыков в открытом стиле.

Открытый процесс получения свойств требует сложных интеграции и механизмов разных компонентов архитектуры. В частности, роботам необходимо будет получать новые навыки без нарушения предварительно взятых, и одновременно с этим, повторно применять предварительно приобретённые навыки для ускорения получения новых (передача знаний). Помимо этого, им необходимо будет обучиться комбинировать предварительно приобретённые навыки для более сложных. Это самые ответственные задачи ИИ на сегодня.

Для их решения проект будет применять передовые методы, как для обработки сенсорной информации (к примеру, при помощи сетей глубокого обучения), так и для использования и организации знаний, относящихся к моторике (к примеру, с применением динамических примитивов перемещений и нейросетей с эффектом эхо [echo-state neural networks]).

Все механизмы, которые связаны с различными частями процесса обучения, нужно будет интегрировать в одной управляющей архитектуре: высокоуровневые процессы формирования целей будут объединены с мотивационными слоями, в которых, на базе ВМ, робот будет вырабатывать и выбирать цели. Цели будут неспешно связаны с нижним уровнем контроллеров, дабы робот смог вспоминать купленные навыки с целью достижения требуемых целей и строить более сложные навыки на базе комбинации прошлых.

Перенос знаний между различными умениями будет интегрирован с учётом необходимости устранить обоюдные помехи, и без того потом. Эти механизмы понадобятся не только для фазы независимого обучения, но и для возможности применения взятых знаний пользователем.

Ежегодно проект будет воображать «робота-демонстратора», и сложные роботизированные платформы (типа iCub либо Kuka) будут управляться архитектурами, созданными в проекте для ответа задач возрастающей сложности. Эти демонстраторы не только продемонстрируют подвижки в проекте, но и станут параметрами для сравнения прогресса в разработке независимых роботов.

Итоговый демонстратор обязан будет столкнуться с задачей, сформулированной в начале статьи: вероятно ли, дабы робот демонстрировал приспособляемость и универсальность, сходные с людскими, взаимодействуя с настоящим миром? В частности, роботам дадут задание: а) изучить соответствующее порядку положение нескольких объектов, находящихся в контейнерах и на полках, и б) воспроизвести это состояние по окончании того, как пользователь передвинет и поменяет объекты местами.

В случае если проект GOAL-Robots выполнит собственные обещания, вам уже не требуется будет тревожиться по поводу ленивых друзей: в то время, когда они попросят у вас помощи, вы оказать помощь им собственных неестественных друзей!

Роботы Игрушки — Роботы Под Прикрытием Мультик На Русском Все Серии Подряд — Роботы Будущего 2016


Интересные записи на сайте:

Подобранные по важим запросам, статьи по теме: