211service.com
Den här roboten kan förmodligen slå dig i Jenga – tack vare sin förståelse för världen
SCIENCE ROBOTICS / OMSLAGSBILD: JOHN HOPKINS UNIVERSITY, WILL KIRK / HOMEWOOD PHOTOGRAPHY Science Robotics / Omslagsbild: John Hopkins University, WILL KIRK / HOMEWOOD PHOTOGRAPHY
Trots bländande framsteg inom AI är robotar fortfarande fruktansvärt knäppta.
I allt högre grad vänder sig forskare och företag till maskininlärning för att göra dem mer anpassningsbara och fingerfärdiga. Detta innebär vanligtvis att man matar roboten med en video av vad som finns framför den och ber den att räkna ut hur den ska röra sig för att manipulera det objektet. Till exempel forskare vid OpenAI, en ideell organisation i San Francisco, lärde en robothand att manipulera ett barns block på det här sättet.
Men människor använder naturligtvis mer än bara sina ögon för att lära sig hantera föremål. Syn kombineras med en känsla av beröring – och vi lär oss tidigt att föremål som är placerade instabilt förmodligen kommer att falla omkull.
Det är det som inspirerade en ny robot, utvecklad av Nima Fazeli och hans kollegor vid MIT, som har fått en grundläggande förståelse för den verkliga världens fysik – och en användbar känsel.
Det bevisade hur smidigt det är genom att mastera Jenga , ett spel som går ut på att ta bort block från ett osäkert sammansatt torn, helst utan att få det att välta. Roboten visade också ett slags uppfinningsrikedom som är avgörande för mänskliga spelare: att bedöma vilket block den kan ta bort utan att få tornet att falla ner.
Forskningen bygger på flera nyckelidéer som utvecklats av Josh Tenenbaum , vid institutionen för hjärna och kognitiv vetenskap vid MIT, och hans forskning om mänsklig kognition. Detta inkluderar tanken att människor utvecklar en intuitiv förståelse av fysik från en tidig ålder, och att sannolikhet är nyckeln till resonemang om världen. Detta skiljer sig från mycket AI-forskning idag, som kretsar kring att mata så mycket data som möjligt till mycket stora, eller djupa, neurala nätverk.
Roboten, utrustad med såväl kraftsensorer som kameror, lär sig att spela Jenga genom att peta och sticka i block och använda visuell och taktil feedback för att träna en fysikmodell av världen.
Sedan, när den stod inför ett nytt torn av block, använde den modellen för att, sannolikt, sluta sig till vilket block den skulle försöka peta ut ur tornet härnäst. Du kan se hur bra det var i videon ovan.
Vetenskapsrobotik
Genom att kombinera syn, beröring och denna modell av verklig fysik, kan roboten lära sig att spela Jenga mer effektivt än vad som annars skulle vara möjligt. Den intuitiva fysikmodellen låter roboten snabbt förstå att ett block som hänger över en kant med största sannolikhet kommer att falla. I tester överträffade metoden konventionella maskininlärningsmetoder. Forskningen är publiceras idag i tidskriften Science Robotics .
Denna mer mänskliga inlärningsteknik kan hjälpa till att göra fabriks- och lagerrobotar mycket mer kapabla. Om det misslyckas kan de åtminstone utmana dig till ett roligt sällskapsspel.