Wideo ujawnia zaskakujące wyzwania nauczania A.I. ubierać się

Czołganie się do koszulki może być jednym z niewielu zadań, które ludzie są w stanie wykonać, nawet gdy jesteśmy ledwo przebudzeni i wciąż drapiemy się z oczu. Ale fakt, że opanowaliśmy sposób ubierania się (mniej lub bardziej), przeczy temu, jak złożona jest seria ruchów wymaganych do przejścia od bycia w bródce do bycia ubranymi na tyle, by naprawdę wyjść.

Jedną z osób, które to rozumieją, jest Alex Clegg, doktor nauk komputerowych. student w Georgia Institute of Technology, który skupił się na wykorzystaniu uczenia maszynowego do sztucznej inteligencji technicznej, jak się ubierać. Jak mówi Odwrotność, podczas gdy A.I. jest wystarczająco sprytny, aby przewidzieć, którzy pacjenci dostaną sepsę lub jak rzucić wyzwanie mistrzom świata w złożonych grach strategicznych, a nauczenie maszyn, jak zakładać koszulę, okazało się nieuchwytnym celem.

„Tkanina jest złożona”, wyjaśnia w e-mailu. „Może natychmiast i drastycznie reagować na niewielkie zmiany pozycji ciała i często ogranicza ruch… Odzież ma tendencję do składania, trzymania i przylegania do ciała, co sprawia, że ​​odczucie dotyku lub dotyku jest istotne dla zadania”.

Dlaczego więc świst komputerowy próbuje rozbić rano, jak się nadajemy? Clegg wyjaśnił, że istnieje kilka możliwych zastosowań A.I. to rozumie pozornie prostą sztukę ubierania się. W krótkiej perspektywie odkrycia Clegga mogą zostać wykorzystane do przyspieszenia procesu tworzenia realistycznych animacji 3D. Co ważniejsze, te spostrzeżenia mogą pomóc w opracowaniu robotów wspomagających, które mogą pomóc dbać o ludzi młodych i starych.

Naukowcy zaczęli od nauczenia komputera, jak opanować wkładanie ramienia do rękawa. W artykule, który zostanie zaprezentowany na nadchodzącej konferencji SIGGRAPH Asia 2018 na temat grafiki komputerowej w grudniu, Clegg i jego koledzy wyjaśnili precyzyjną technikę, której używali, rodzaj uczenia maszynowego zwanego „głębokim wzmocnionym uczeniem się”.

Celem pogłębionej nauki jest nauczenie robotów, jak wykonywać pewne ruchy i zadania, wykonując je w kółko. W przypadku opatrunku A.I. zespół Clegga miał A.I. obserwuj procesowe środowisko wirtualne, powielaj je, a następnie nagradzaj, gdy wydawało się, że jest na właściwej drodze.

Clegg wyjaśnił, że potrzeba było setek tysięcy prób, aby animowana postać w kształcie kiełbasy nauczyła się zakładać kurtkę lub koszulkę. W końcu ich bot musiał nauczyć się, jak postrzegać dotyk, aby mógł szarpnąć koszulę, gdy było to konieczne. Ponadto, musieli także zastosować silnik fizyki, aby symulacja była jak najbardziej dokładna do życia.

W końcu niezdarny, animowany syn Clegga zdołał nauczyć się zakładać koszulę, choć trochę nieelegancko. Mimo to wyniki mogą być najbardziej przydatne jako dowód koncepcji tego, jak głębokie uczenie się może być wykorzystane do rozwiązywania niuansów problemów.

„Ekscytujące jest wyobrażanie sobie wielu problemów, które możemy rozwiązać dzięki głębokiej, wzmocnionej nauce” - mówi. „Z niecierpliwością oczekujemy kontynuacji prac nad umożliwieniem robotyki i znalezienia rozwiązań dużych problemów, które wpływają na codzienne życie tak wielu ludzi”.

Konwersja ustaleń z wyników tego badania na pracę z robotyką wymaga nieco więcej pracy, aby zharmonizować zarówno aspekty oprogramowania, jak i sprzętu. Jednak odkrycia Clegga wyznaczają ścieżkę dla naukowców zainteresowanych uwolnieniem naszych futurystycznych opiekunów robotów od ich obecnych ograniczeń.