211service.com
Un algoritmo principale consente ai robot di insegnare a se stessi a svolgere compiti complessi
Nonostante tutti i discorsi sulle macchine che diventano intelligenti, convincere un robot sofisticato a fare qualcosa di complesso, come afferrare un oggetto pesante e spostarlo da un posto all'altro, richiede ancora molte ore di attenta e paziente programmazione.
Igor Mordatch , un borsista post-dottorato presso l'Università della California, Berkeley, sta lavorando a un approccio diverso, che potrebbe aiutare ad accelerare l'arrivo di aiutanti robot, se non di signori. Dà a un robot un obiettivo finale e un algoritmo che gli consente di capire come raggiungere l'obiettivo da solo. Questo è il tipo di indipendenza che sarà necessaria, ad esempio, per un robot di assistenza domiciliare per portarti in modo affidabile una tazza di caffè dal bancone.
Mordatch lavora nel laboratorio di Pieter Abbeel, professore associato di robotica a Berkeley. Quando ho visitato il laboratorio quest'anno, ho visto tutti i tipi di robot che imparavano a svolgere compiti diversi. Un grande robot di ricerca bianco chiamato PR2, che ha una testa allungata e due braccia con mani a tenaglia, stava lentamente cercando di capire come raccogliere blocchi luminosi, attraverso un processo scrupoloso e spesso goffo di tentativi ed errori.
Mentre lavora su un processo di insegnamento migliore, Mordatch utilizza principalmente un software che simula i robot. Questo modello virtuale, sviluppato per la prima volta con il suo PhD advisor presso l'Università di Washington, Todorov , e un altro professore della scuola, Zoran Popovic , ha una certa comprensione di come entrare in contatto con il suolo o con gli oggetti. L'algoritmo di apprendimento utilizza quindi queste linee guida per cercare il modo più efficiente per raggiungere un obiettivo. L'unica cosa che diciamo è 'Questo è l'obiettivo e il modo per raggiungerlo è cercare di ridurre al minimo lo sforzo', afferma Mordatch. [La mozione] poi esce questi due principi.
I robot simulati di Mordatch sono disponibili in tutti i tipi di forme e dimensioni, resi con una grafica a blocchi che assomiglia a qualcosa di un videogioco non pescato. Ha testato il suo algoritmo su forme umanoidi; creature senza testa a quattro zampe con corpi assurdamente grassi; e persino creazioni alate. In ogni caso, dopo un periodo di apprendimento, emerge un comportamento notevolmente complesso.
Come mostra questo video, un robot umanoide può imparare ad alzarsi da qualsiasi posizione a terra e stare su due gambe in modo molto naturale; oppure si arrampicherà su una sporgenza o addirittura eseguirà una verticale. Lo stesso processo funziona indipendentemente dalla forma che assume il robot e può persino consentire a due robot di collaborare a un'attività, come lo spostamento di un oggetto pesante.
Basandosi su questo lavoro precedente, quest'anno Mordatch ha escogitato un modo in cui i robot possono eseguire comportamenti ripetitivi come camminare, correre, nuotare o volare. Una rete neurale simulata viene addestrata per controllare il robot utilizzando informazioni sul suo corpo, l'ambiente fisico e l'obiettivo di muoversi in una particolare direzione. Ciò produce una locomozione dall'aspetto naturale nei robot virtuali con una forma del corpo umanoide e movimenti di sbattimento in quelli che hanno le ali. Quando un operatore dice al robot dove andare, la sua rete neurale adatta di conseguenza i mezzi di locomozione.
Qualcosa di simile può accadere negli esseri umani e in altri animali mentre imparano a muoversi. Un bambino passa molto tempo a capire come muovere il proprio corpo e in seguito usa questa conoscenza per pianificare rapidamente e istintivamente nuovi movimenti.
Questa roba è bellissima, dice Josh Tenenbaum , professore presso il Dipartimento di Scienze cerebrali e cognitive del MIT che studia come gli esseri umani apprendono e sta lavorando su come applicare questi principi alle macchine. Stanno davvero cercando di risolvere un problema che penso che pochissime persone abbiano provato a risolvere fino a poco tempo.
Mordatch ha recentemente iniziato a usare alcune delle sue tecniche in un piccolo robot umanoide chiamato Darwin (vedi Robot Toddler Learns to Stand by Imagining How to Do It). L'utilizzo delle stesse tecniche di ottimizzazione e apprendimento nel mondo reale è più impegnativo, tuttavia, perché il mondo fisico è più complesso e imprevedibile e perché un algoritmo avrà informazioni imperfette o rumorose al riguardo.