Ett ständigt föränderligt rum med Ikea-möbler kan hjälpa AI att navigera i världen

En illustration av en robot vänd mot ett rum fyllt med möbler. AI2

I en byggnad mittemot sitt huvudkontor i Seattle har Allen Institute for Artificial Intelligence (AI2) tillräckligt med Ikea-möbler för att konfigurera 14 olika lägenheter. Labbet går inte in på inredning – inte precis. Resurserna är avsedda att träna smartare algoritmer för att styra robotar.

Hushållsrobotar som Roomba fungerar bra bara för att deras uppgifter är relativt enkla. Att slingra sig runt, dubbla tillbaka och återvända till samma ställen om och om igen spelar egentligen ingen roll när målet är att obevekligt rengöra samma golv.

Men allt som kräver effektivare eller mer komplicerad navigering gör fortfarande att många toppmoderna robotar snubblar. Den forskning som behövs för att förbättra detta status quo är också dyr – vilket begränsar de mest avancerade framstegen till välfinansierade kommersiella laboratorier.

Nu vill AI2 slå två flugor i en smäll. På tisdagen meddelade det a ny utmaning kallas RoboTHOR (THOR för The House of interRactions—ja, verkligen). Det kommer att fungera som ett sätt att crowdsource bättre navigeringsalgoritmer och sänka de ekonomiska hindren för forskare som kanske inte har egna robotresurser.

Det slutliga målet är att snabbare utveckla AI genom att få fler forskargrupper involverade. Olika samhällen bör ta med olika perspektiv och användningsfall som kommer att utöka repertoaren av robotkapacitet, vilket driver fältet närmare mer generaliserbar intelligens.

En sida vid sida jämförelse av verkliga och simulerade matsalar i en av lägenhetskonfigurationerna.

Labbet har designat ett lätt omkonfigurerbart rum, storleken på en trång studio, för att vara uppställningsplatsen för alla 14 lägenhetsvarianter. Det har det också återskapade identiska virtuella repliker i Unity, en populär videospelsmotor – såväl som 75 andra konfigurationer – som alla har öppnats med öppen källkod online. Tillsammans kommer dessa 89 totala konfigurationer att erbjuda realistiska simuleringsmiljöer för team runt om i världen att träna och testa sina navigeringsalgoritmer. Miljöerna kommer också förladdade med modeller av AI2:s robotar och speglar verklig fysik som gravitation och ljusreflektioner så nära som möjligt.

Utmaningen ber specifikt team att utveckla algoritmer som kan få en robot från en slumpmässig startplats i ett rum till ett objekt i det rummet bara genom att berätta objektets namn. Detta kommer att vara svårare än enkel navigering eftersom det kommer att kräva att roboten förstår kommandot och känner igen objektet i dess synfält också.

Lag kommer att tävla i tre faser. I fas ett kommer de att få de 75 digitala simuleringsmiljöerna för att träna och validera sina algoritmer. I fas två får de bäst presterande sedan fyra nya simuleringsmiljöer med motsvarande fysiska dubbelgångare. Teamen kommer att kunna förfina sina algoritmer på distans genom att ladda dem i AI2:s riktiga robotar.

I den sista fasen kommer de bäst presterande att behöva visa generaliserbarheten av sina algoritmer i de senaste 10 digitala och motsvarande fysiska lägenheterna. Oavsett vilka lag som presterar bäst i denna slutfas kommer att vinna skryträttigheter och en inbjudan att demonstrera sina modeller på Conference on Computer Vision and Pattern Recognition, en ledande AI-forskningskonferens för visionbaserade system.

Olika verkliga och simulerade objekt. AI2

När utmaningen är över planerar AI2 att hålla installationen tillgänglig, vilket ger alla tillgång till miljön för att fortsätta bedriva robotforskning. Forskare som rensar en viss tröskel för noggrannhet i de simulerade miljöerna – som bevisar att de inte kommer att krascha robotarna – kommer att tillåtas att fjärrdistribuera sina algoritmer i de fysiska. Rummet kommer att rotera mellan de olika möbelkonfigurationerna.

Vi kommer att underhålla den här miljön, och vi kommer att underhålla de här robotarna, säger Ani Kembhavi, forskare vid AI2 som leder projektet. Hans team planerar att utveckla ett tidsdelningssystem så att olika forskare kan turas om att testa sina algoritmer på distans i den verkliga världen.

AI2 hoppas att strategin kommer att göra robotforskning mer tillgänglig genom att eliminera så mycket av de associerade hårdvarukostnaderna som möjligt. Man hoppas också att programmet kommer att inspirera andra välfinansierade organisationer att öppna upp sina resurser på liknande sätt. Dessutom designade den medvetet sitt omkonfigurerbara rum med låga materialkostnader och globalt tillgängliga Ikea-möbler; installationen kostade ungefär $10 000. Skulle andra forskare vilja bygga sina egna fysiska träningsplatser kan de enkelt replikera det lokalt och ändå matcha de virtuella simuleringsmiljöerna.

Kembhavi, vars pappa är astronom, liknar idén med den globala delning av teleskop. Gemenskaper som astronomi har kommit på hur man kan ta dyra resurser och göra det tillgängligt för forskare över hela världen, säger han.

Det är vår vision för den här miljön, tillägger han. Förkroppslig AI för alla.

Dölj