211service.com
Google costruisce un asilo robotico Hive-Mind
Quanti robot ci vogliono per aprire una porta? Se i robot stanno cercando di capire come svolgere l'attività da zero, è utile coinvolgerne il maggior numero possibile.
In tre documenti di ricerca separati pubblicati lunedì online, i ricercatori di Google e di altre filiali di Alphabet hanno mostrato diversi modi in cui i robot possono imparare a svolgere compiti semplici più rapidamente condividendo diversi tipi di esperienze di apprendimento.
I ricercatori stanno formando squadre di robot industriali per eseguire compiti semplici utilizzando una tecnica chiamata apprendimento per rinforzo, che combina tentativi ed errori con feedback positivo. Per il momento, questi compiti sono estremamente semplici, come aprire porte o spostare oggetti in giro. Ma tali progressi saranno cruciali se i robot saranno mai in grado di aiutare con le faccende quotidiane come piegare il bucato o lavare i piatti.
Quattro robot si esercitano ad aprire porte diverse.
Sebbene i robot stiano diventando più economici e più capaci, programmarli in modo che si comportino in modo affidabile in situazioni quotidiane imprevedibili è un compito quasi impossibile. L'apprendimento per rinforzo offre una soluzione, consentendo ai robot di programmarsi essenzialmente da soli mentre apprendono sul lavoro. Ma può richiedere molto tempo per un singolo bot provare molti modi diversi di eseguire un lavoro. La condivisione del processo di apprendimento, una tecnica spesso chiamata robotica cloud, può aiutare ad accelerare il processo, sebbene l'idea rimanga in una fase iniziale (vedi 10 tecnologie innovative: robot che si insegnano a vicenda).
Nei tre giornali diffusi lunedì, Sergey Levine , un ricercatore presso Google che sta guidando lo sforzo di apprendimento dei robot, e colleghi descrivono in dettaglio diverse strategie di apprendimento che possono essere distribuite su un gruppo di robot.
In ogni caso, i robot coinvolti utilizzano reti neurali che cercano di prevedere il risultato di diverse azioni. Ogni robot varia leggermente il suo comportamento, quindi rafforza le variazioni che danno maggiori ricompense. Queste reti vengono quindi inviate periodicamente a un server centrale che costruisce una nuova rete neurale che combina tutto il comportamento appreso e quella rete viene ridistribuita ai robot per un altro ciclo di addestramento.
Nel primo esperimento, l'obiettivo era girare una maniglia e aprire una porta, e quattro diversi robot sono stati impostati per lavorare esercitandosi su porte e tipi di maniglie diversi. 'Dato che i robot sono stati addestrati su porte che sembrano diverse l'una dall'altra, la politica finale ha successo su una porta con una maniglia che nessuno dei robot aveva mai visto prima', ha scritto Levine in un post sul blog coautore con Timothy Lillicrap, ricercatore presso Google DeepMind, e Mrinal Kalakrishnan, ricercatore presso X, la struttura di ricerca 'moonshot' di Google.
Nel secondo esperimento, il processo di apprendimento dei robot è stato accelerato grazie alle interazioni di una persona che guida un braccio robotico. E in un terzo, un robot ha capito come spostare e ruotare gli oggetti utilizzando l'input di una fotocamera e un'abilità appresa di prevedere come le azioni avrebbero cambiato l'immagine, ciò che i ricercatori descrivono come un semplice modello fisico del mondo. Stefania Tellex , un assistente professore alla Brown University che studia l'apprendimento dei robot, afferma che questa è un'idea entusiasmante. 'Prevedere gli effetti fisici di azioni come la spinta è eccitante perché consente al robot di capire qualcosa su come funziona il mondo', afferma.
L'azienda è evidentemente desiderosa di sfruttare al meglio quella che potrebbe essere una rivoluzione in arrivo nel campo grazie all'applicazione di tecniche di apprendimento automatico. Alcuni produttori di robotica stanno già esplorando modi per utilizzare l'apprendimento per rinforzo per semplificare la programmazione dei loro prodotti.
'Naturalmente, i tipi di comportamenti che i robot oggi possono apprendere sono ancora piuttosto limitati', hanno scritto gli autori. 'Tuttavia, man mano che gli algoritmi migliorano e i robot vengono distribuiti più ampiamente, la loro capacità di condividere e mettere in comune le loro esperienze potrebbe essere determinante per consentire loro di assisterci nella nostra vita quotidiana'.