Видео раскрывает удивительные проблемы обучения А.И. одеться

Вползание в майку может быть одной из немногих задач, которые мы, люди, способны выполнить, даже когда мы едва проснулись и все еще царапаем сон из наших глаз. Но тот факт, что мы освоили, как одеваться (более или менее), свидетельствует о том, насколько сложна последовательность движений, необходимых для того, чтобы превратиться в любителя и быть достаточно одетой, чтобы выйти из дверей.

Алекс Клегг, доктор наук в области компьютерных наук, понимает это так же хорошо, как и все остальные. студент в Технологическом институте Джорджии, который был сосредоточен на использовании машинного обучения для технологий искусственного интеллекта, как одеваться. Как он рассказывает обратный в то время как А.И. достаточно умный, чтобы предсказать, у каких пациентов случится сепсис или как бросить вызов чемпионам мира в сложных стратегических играх, обучение машинам надеванию рубашки оказалось неуловимой целью.

«Ткань сложна», - объясняет он в электронном письме. «Он может немедленно и резко реагировать на небольшие изменения в положении тела и часто ограничивает движение … Одежда также имеет тенденцию складываться, прилипать и цепляться за тело, делая осязательные ощущения или осязание существенными для выполнения задачи».

Так почему же компьютерный вундеркинд пытается сломать то, как мы одеваемся утром? Клегг объяснил, что есть несколько возможных заявлений на А.И. это понимает обманчиво простое искусство одеваться. В краткосрочной перспективе выводы Клегга могут быть использованы для ускорения процесса создания реалистичных 3D-анимаций. Но что еще более важно, эти идеи могут помочь привести к созданию вспомогательных роботов, которые могут помочь заботиться о людях, молодых и старых.

Исследователи начали с того, что научили компьютер, как освоить попадание руки в рукав. В документе, который будет представлен на предстоящей конференции SIGGRAPH Asia 2018 по компьютерной графике в декабре, Клегг и его коллеги объяснили точную технику, которую они использовали, тип машинного обучения, называемый «глубокое усиленное обучение».

Цель глубокого усиленного обучения - попытаться научить роботов выполнять определенные движения и задачи, заставляя их делать это снова и снова. В случае переодевания А.И., команда Клегга имела А.И. наблюдать за виртуальной средой процесса, реплицировать ее, а затем вознаграждать, когда она кажется на правильном пути.

Клегг объяснил, что потребовались сотни тысяч попыток для того, чтобы анимированный персонаж в форме колбасы научился надевать куртку или футболку. В конце концов, их бот должен был научиться воспринимать прикосновения, чтобы он мог дергать рубашку, когда это было необходимо. Кроме того, им также нужно было включить физический движок, чтобы симуляция была максимально точной.

В конце концов, неуклюжему, оживленному сыну Клегга удалось научиться надевать свою рубашку, хотя и немного неуравновешенно. Тем не менее, результаты могут быть наиболее полезными в качестве подтверждения концепции того, как глубокое обучение может быть использовано для решения нюансов.

«Интересно представить множество проблем, которые мы можем решить с помощью глубокого усиленного обучения», - говорит он. «Мы с нетерпением ждем продолжения работы по созданию робототехники и поиску решений больших проблем, которые влияют на повседневную жизнь многих людей».

Преобразование результатов этого исследования в работу с робототехникой потребует немного больше усилий для согласования программных и аппаратных аспектов. Но выводы Клегга прокладывают путь для исследователей, которые заинтересованы в том, чтобы освободить наших футуристических роботов-хранителей от их нынешних ограничений.