V. I. N. CENT og B. O. B. fra Disney ‘ s Sorte Hul (1979) var ikke involveret i den nye MIT studie.
I et vigtigt fremskridt, der tager os et skridt tættere på at den uundgåelige robopocalypse, MIT forskere har udviklet et system, der lærer, hvordan robotter til at tilegne sig nye færdigheder—og så lære de færdigheder, de forskellige typer af robotter.
Systemet er kaldet C-LÆRE, og det blev udviklet af forskere ved MIT ‘ s Computer Science and Artificial Intelligence Laboratory (CSAIL). Ved hjælp af C-LÆRE, mennesker, der ikke har nogen erfaring med programmering kan lære en robot, hvordan til at udføre en opgave—som at slippe en kolbe i en spand, eller trække i en stang fra en beholder—ved at give det nogle grundlæggende regler om opgaven, og så robotten til at se en enkelt demonstration af opgaven er afsluttet.
Utroligt, at en robot kan derefter overføre denne nyerhvervede viden til en anden robot, selv hvis robotten læring er fysisk anderledes end robotten undervisning. I sidste ende, C-LÆRE system kan tillade fabrikker til at udnytte et væld af forskellige robot typer, og ikke behøver at bekymre sig om programmering af hver og en af dem individuelt. Det kunne også hjælpe robotter til hurtigt at lære og undervise nye opgaver i høj pressede situationer, såsom når de er travlt med at udrydde hele den menneskelige arter, eller mere praktisk, når de er desarmere bomber.
C-LÆR gælder to grundlæggende robot pædagogiske principper: Læring fra en demonstration, og læring ved at brute-programmering, hvor hver fysisk parameter, til at blive hånd-kodet af en ekspert. På deres egne, disse pædagogiske strategier, som kommer med ulemper. Med demoer, robotter kan ikke rigtig gælder lektioner til andre situationer eller miljøer, og med motion-planlægning, metoder, undervisningen er tidskrævende og arbejdskrævende. CSAIL forskere Claudia Pérez-D’Arpino og Julie Shah kombineret disse to principper for at kompensere for de mangler, der er af hver.
“Ved at kombinere de intuitive ting at lære fra demonstration med præcision af motion-planlægning algoritmer, denne tilgang kan bidrage til at robotter gør nye typer af opgaver, som de ikke har været i stand til at lære, før, som multistep-montering med begge arme,” bemærkede Pérez-D’Arpino i MIT Nyheder.
Det første trin i undervisningen er at skabe en robot med oplysninger om, hvordan at nå eller forstå forskellige genstande med forskellige begrænsninger (“C” i C-LÆR faktisk står for begrænsninger). For eksempel, selv om visse objekter kan være ens med hensyn til form, som et rat, eller dæk, et andet sæt af bevægelser, der er påkrævet ved montering af disse dele til en bil. For det andet stadium, en menneskelig operatør, der anvender en 3D-brugergrænseflade til at vise robotten, hvordan man kan fuldføre opgaven. I tests efter observere en enkelt demo, robotter var i stand til at få adgang til deres viden, og gøre en foreslået bevægelse for operatøren til at godkende eller ændre efter behov. Hvis der ikke er operatør, robotten kan bare gøre et gæt (når bare gætte, MIT ‘ s test robotter var en succes i 87.5% af den tid, i modsætning til 100 procent af tiden, når mennesker hjalp).
“Denne fremgangsmåde er faktisk meget lignende, til, hvordan mennesker lærer, i form af at se, hvordan noget er gjort, og tilslut det til, hvad vi allerede ved om verden,” siger Pérez-D’Arpino. “Vi kan ikke på magisk vis lære fra en enkelt demonstration, så vi tager nye oplysninger og matche det til tidligere viden om vores miljø.”
Vigtigere er, at denne viden kan derefter blive undervist at en anden robot. I lab, CSAIL forskere lært et sæt af opgaver til Optimus, en to-armet robot designet til bomben bortskaffelse opgaver. Senere er det problemfrit overført denne viden til Atlas, en imponerende tobenet robot, som vejer over 400 kg. Ved slutningen af forsøget, både robotter var i stand til at åbne døre, transport af genstande, og trække objekter fra containere, der—selv om de robotter, der havde dramatiske fysiske forskelle, og Atlas var aldrig direkte lærte færdigheder af et menneske.
C-LÆRE er et stort fremskridt, fordi de, i stedet for direkte at efterligne motion, robotten til at udlede principper bag den bevægelse, en mere menneskelig tilgang. Vi må ikke gentage hver fysisk handling, vi bliver undervist i en bogstavelig måde. I stedet, integrerer vi det, vi har lært gennem demonstrationer, og derefter anvende vores viden til lignende sammenhænge.
Et papir, der beskriver, C-LÆRE er blevet accepteret til IEEE International Conference on Robotics and Automation (ICRA), som vil finde sted fra den 29 Maj-3 juni i Singapore.