V. I. N. CENT und B. O. B. aus Disney ‘ s Schwarzes Loch (1979) wurden nicht in die neue MIT-Studie.
In einer wichtigen Voraus, dass bringt uns einen Schritt näher an das unvermeidliche robopocalypse, MIT-Forscher haben ein system entwickelt, das lehrt Robotern, wie Sie, neue Fähigkeiten zu erwerben—und dann lehren diese Fähigkeiten, um verschiedene Arten von Robotern.
Das system wird als C-LERNEN, und es wurde entwickelt von Forschern am MIT Computer Science and Artificial Intelligence Laboratory (CSAIL). Mit C-LERNEN, Menschen, die keine Erfahrung mit computer-Programmierung kann einem Roboter beizubringen, wie eine Aufgabe zu erledigen—wie das fallenlassen einer Flasche in einen Eimer, oder ziehen eine Stange aus einem container—indem Sie es mit einigen grundlegenden Regeln über die Aufgabe und die Möglichkeit, den Roboter zum anzeigen einer einzelnen demonstration der task abgeschlossen wird.
Unglaublich, ein Roboter kann dann übertragen Sie diese neu erworbenen Kenntnisse an einen anderen Roboter, auch wenn der Roboter lernen ist physisch anders als die Roboter Lehre. Schließlich, das C-LERNEN-system ermöglichen könnte, Fabriken, verwenden eine Vielzahl von verschiedenen Roboter-Typen, und keine sorgen über die Programmierung jeder und jede einzelne von Ihnen. Es könnte auch helfen Roboter, um schnell zu lernen und zu lehren, neue Aufgaben in Hochdruck-Situationen, wie, wenn Sie beschäftigt sind Ausrottung der gesamten menschlichen Spezies, oder mehr praktisch, wenn Sie entschärfen Bomben.
C-LERNEN, gilt es zwei grundlegende Roboter-teaching-Prinzipien: Learning from demonstration, und lernen durch brute-Programmierung, wo jeder physikalische parameter hand-codiert von einem Experten. Auf Ihre eigenen, diese Lehr-Strategien kommen mit Nachteilen. Mit demos, Roboter kann sich nicht wirklich für den Unterricht zu anderen Situationen oder Umgebungen, und mit motion-planning-Methoden, die Lehre ist zeitaufwändig und arbeitsintensiv. CSAIL-Forscher Claudia Pérez-D ‘ Arpino und Julie Shah kombiniert diese zwei Grundsätze, um make-up für die Mängel der einzelnen.
“Durch die Kombination der Anschaulichkeit des Lernens von der demonstration mit der Präzision des motion-planning-algorithmen, kann dieser Ansatz helfen, die Roboter neue Arten von Aufgaben, die Sie nicht in der Lage zu lernen, bevor, wie in mehreren Schritten die Montage mit den beiden Ihre Waffen,” bemerkte Pérez-D ‘ Arpino in MIT News.
Der erste Schritt von der Lehr-Prozess ist ein Roboter mit Informationen, wie Sie zu erreichen oder zu begreifen, verschiedene Objekte mit unterschiedlichen Einschränkungen (das “C” in C-LERNEN steht eigentlich für Einschränkungen). Zum Beispiel, auch wenn bestimmte Objekte können ähnlich in Bezug auf Form, wie ein lenkrad oder Reifen, einen anderen Satz von Bewegungen ist erforderlich, wenn das anbringen dieser Teile an einem Auto. Für die zweite Stufe, die ein Mensch verwendet eine 3D-Benutzeroberfläche, um zu zeigen, die Roboter, wie Sie die Aufgabe abzuschließen. In tests, nach der Beobachtung einer einzigen demo, Roboter waren in der Lage, auf Ihre knowledge base, und machen eine vorgeschlagene Bewegung für den Bediener, zu bestätigen oder bei Bedarf ändern. Wenn es keinen operator, der Roboter kann nur eine Vermutung (wenn nur raten, MIT test-Roboter erfolgreich waren 87,5 Prozent der Zeit, im Gegensatz zu 100 Prozent der Zeit, wenn den Menschen geholfen hat).
“Diese Vorgehensweise ist eigentlich sehr ähnlich wie Menschen lernen, in Bezug auf zu sehen, wie etwas getan und eine Verbindung zu dem, was wir schon wissen über die Welt”, sagt Pérez-D ‘ Arpino. “Wir können nicht auf Magische Weise lernen, aus einer einzigen demonstration, so nehmen wir neue Informationen und Stimmen Sie ihn auf das Vorherige wissen über unsere Umwelt.”
Wichtig ist, dieses wissen kann dann gelehrt werden, auf einen anderen Roboter. Im Labor, die CSAIL-Forscher, unterrichtete eine Reihe von Aufgaben, Optimus, einen zweiarmigen Roboter, entworfen für die Bombe-Entsorgung-Aufgaben. Später nahtlos übertragen dieses wissen zu Atlas, einem imposanten zweibeinige Roboter, der wiegt mehr als 400 Pfund. Am Ende des Experiments, die beide Roboter waren in der Lage, Türen zu öffnen, transport-Objekte, und ziehen Sie Objekte aus Containern—auch wenn der Roboter hatte dramatische körperliche Unterschiede, und Atlas war nie direkt beigebracht, von einem Menschen.
C-LERNEN ist ein wichtiger Fortschritt, weil, anstatt direkt die Nachahmung der Bewegung, die der Roboter hat, um daraus die Prinzipien, die hinter der motion, mehr human-like-Ansatz. Wir wiederholen Sie nicht jede körperliche Aktion sind wir gelehrt, die in einer direkten Art und Weise. Stattdessen integrieren wir, was wir gelernt haben, durch Demonstrationen, und dann das erlernte wissen auf ähnliche Kontexte.
Ein Papier beschreibt C-LERNEN akzeptiert wurde, wird auf der IEEE International Conference on Robotics and Automation (ICRA), die stattfinden wird, vom 29 bis 3. Juni in Singapur.