Dopo Milioni di Prove, Questi esseri Umani Simulati Imparato a Fare Perfetta salti mortali e Capriole
Utilizzo di consolidate tecniche di machine learning, i ricercatori dell’Università della California,…
Per saperne di più Leggere
La differenza con l’auto-medicazione, tuttavia, è la necessità di percezione aptica. Personaggi animati bisogno di toccare il loro abbigliamento per dedurre il progresso. Quando vestirsi, il bot deve applicare una forza per spostare la loro virtuale braccia attraverso l’abbigliamento, mentre evitando le forze che potrebbero danneggiare il capo, o causare una mano o il gomito per ottenere bloccato. Di conseguenza, i ricercatori hanno dovuto aggiungere un secondo elemento importante per il progetto: un motore fisico in grado di simulare il tiro, stretching, e la manipolazione della materia malleabile, cioè panno.
Durante il processo di formazione, un bot guadagnato punti, riuscendo ad afferrare il bordo di una camicia o di giocherellare con la sua testa attraverso il collare. Ma quando un’azione che ha provocato uno strappo o le braccia disperatamente imprigionato, sarebbe perdere punti.
Molto rapidamente nel progetto, tuttavia, i ricercatori hanno capito che un unico, coerente vestire la politica non era andare a lavorare. Il complicato compito di vestire doveva essere suddiviso in una serie di sub-criteri. Ma il senso è questo; quando insegniamo ai bambini a vestirsi, insegnare un passo alla volta. L’atto di vestirsi non può essere suddiviso in un unico filosofico-politica—si tratta di un passo-by-step processo che conduce verso una meta desiderata. Clegg il team ha sviluppato una politica di sequenziamento algoritmo per questo scopo; in ogni fase, animato da un bot sapeva dove fosse nel processo di concia, e che il passaggio è stato richiesto il prossimo che è in grado di avanzare verso l’obiettivo desiderato.
Clegg e i suoi colleghi dicono che il loro nuovo libro è il primo a dimostrare che il rafforzamento dell’apprendimento, in collaborazione con panno di simulazione, può essere utilizzato per insegnare una “robusta medicazione politica di controllo” per i bot, anche se è “necessario separare la medicazione compito in diversi sotto-obiettivi” e il sistema “imparare una politica di controllo di ciascun sottocompito” per farlo funzionare, scrivono gli autori dello studio.
Soprattutto, lo studio è stato limitato alla parte superiore del corpo, attività; l’esecuzione della parte inferiore del corpo, vestirsi attività avrebbe introdotto una nuova serie di complicazioni, come mantenere l’equilibrio mentre mettendo i pantaloni. Inoltre, il sistema era estremamente esigente. Infine, i ricercatori da inserire in memoria nel sistema, che potrebbe “ridurre il numero di attività secondarie e consentire una maggiore generalizzazione delle abilità apprese,” gli autori scrivono. Infatti, come il bambino che acquisisce rapidamente la competenza e la flessibilità attraverso l’esperienza, i ricercatori vorrebbero un sistema per fare altrettanto.
Come nota finale, questo studio dimostra quanto sia difficile sarà quello di creare generali di intelligenza artificiale. E ‘ stato un trionfo di AI di ricerca al fine di creare macchine in grado di sconfiggere i grandi maestri a scacchi e Go, ma la creazione di sistemi in grado di eseguire più compiti banali, come vestirsi—sta dimostrando di essere una sfida enorme.
[Georgia Institute of Technology]
Condividi Questa Storia