Questo robot può probabilmente batterti a Jenga, grazie alla sua comprensione del mondo

SCIENCE ROBOTICS / IMMAGINE DI COPERTINA: JOHN HOPKINS UNIVERSITY, WILL KIRK / HOMEWOOD PHOTOGRAPHY Scienza Robotica / Immagine di copertina: John Hopkins University, WILL KIRK / HOMEWOOD PHOTOGRAPHY

Nonostante gli abbaglianti progressi nell'IA, i robot sono ancora terribilmente maltrattati.

Sempre più ricercatori e aziende si rivolgono all'apprendimento automatico per renderli più adattivi e abili. Questo in genere significa fornire al robot un video di ciò che ha di fronte e chiedergli di capire come dovrebbe muoversi per manipolare quell'oggetto. Ad esempio, i ricercatori di OpenAI, un'organizzazione no profit di San Francisco, ha insegnato a una mano robotica a manipolare il blocco di un bambino in questo modo.

Ma gli esseri umani, ovviamente, usano molto di più dei loro occhi per imparare a maneggiare gli oggetti. La vista è combinata con il senso del tatto e impariamo presto che gli oggetti posizionati in modo instabile probabilmente cadranno.

Questo è ciò che ha ispirato un nuovo robot, sviluppato da Nima Fazeli e dai suoi colleghi del MIT, a cui è stata data una comprensione fondamentale della fisica del mondo reale e un senso del tatto utilizzabile.

Ha dimostrato quanto sia agile con le dita padroneggiando Jenga , un gioco che prevede la rimozione di blocchi da una torre assemblata in modo precario, idealmente senza farla ribaltare. Il robot ha anche mostrato una sorta di ingegno cruciale per i giocatori umani: giudicare quale blocco può rimuovere senza far cadere la torre.

La ricerca trae spunto da alcune idee chiave sviluppate da Josh Tenenbaum , nel Dipartimento di Scienze cerebrali e cognitive del MIT, e la sua ricerca sulla cognizione umana. Ciò include l'idea che gli esseri umani sviluppino una comprensione intuitiva della fisica sin dalla tenera età e che la probabilità sia la chiave per ragionare sul mondo. Ciò è diverso da molte ricerche sull'IA di oggi, che ruotano attorno all'alimentazione di quanti più dati possibile a reti neurali molto grandi o profonde.

Il robot, dotato di sensori di forza e telecamere, impara a giocare a Jenga colpendo e spingendo blocchi e usando feedback visivi e tattili per addestrare un modello fisico del mondo.

Quindi, di fronte a una nuova torre di blocchi, ha utilizzato il modello per dedurre, probabilisticamente, quale blocco avrebbe dovuto cercare di far uscire dalla torre in seguito. Puoi vedere quanto era bello nel video qui sopra.

Scienza Robotica

Combinando visione, tatto e questo modello di fisica del mondo reale, il robot può imparare a giocare a Jenga in modo più efficiente di quanto sarebbe possibile altrimenti. Il modello fisico intuitivo consente inoltre al robot di capire rapidamente che un blocco sospeso su un bordo molto probabilmente cadrà. Nei test, l'approccio ha superato i metodi convenzionali di apprendimento automatico. La ricerca è pubblicato oggi sulla rivista Science Robotics .

Questa tecnica di apprendimento più simile all'uomo potrebbe aiutare a rendere i robot di fabbrica e di magazzino molto più capaci. Se fallisce, potrebbero almeno sfidarti a un divertente gioco di società.

nascondere