211service.com
Facebook tränar robotassistenter att höra och se
Har du Facebook
I juni 2019 släppte Facebooks AI-labb, FAIR, AI Habitat, en ny simuleringsplattform för att träna AI-agenter. Det gjorde det möjligt för agenter att utforska olika realistiska virtuella miljöer, som en möblerad lägenhet eller ett skåpfyllt kontor. AI:n kunde sedan portas in i en robot, som skulle få smartheten att navigera genom den verkliga världen utan att krascha.
Under året sedan har FAIR snabbt flyttat gränserna för sitt arbete med förkroppsligad AI. I en blogginlägg idag , har labbet meddelat att ytterligare tre milstolpar uppnåtts: två nya algoritmer som gör det möjligt för en agent att snabbt skapa och komma ihåg en karta över utrymmena den navigerar, och tillägget av ljud på plattformen för att träna agenterna att höra.
Algoritmerna bygger på FAIRs arbete i januari i år, då en agent utbildades i Habitat att navigera i okända miljöer utan karta . Med enbart en djupavkännande kamera, GPS och kompassdata lärde den sig att gå in i ett utrymme ungefär som en människa skulle göra, och hitta den kortaste möjliga vägen till sin destination utan fel svängar, bakåtspårning eller utforskning.
Den första av dessa nya algoritmer kan nu bygga en karta över rymden samtidigt, så att den kan komma ihåg miljön och navigera genom den snabbare om den kommer tillbaka. Den andra förbättrar agentens förmåga att kartlägga utrymmet utan att behöva besöka alla delar av det. Efter att ha utbildats i tillräckligt många virtuella miljöer kan den förutse vissa funktioner i en ny; den kan till exempel veta att det sannolikt finns tomt golvyta bakom en köksö utan att navigera till andra sidan för att titta. Återigen tillåter detta i slutändan agenten att röra sig genom en miljö snabbare.
Slutligen skapade labbet också SoundSpaces, ett ljudåtergivningsverktyg som gör det möjligt för forskare att lägga till mycket realistisk akustik till en given Habitat-miljö. Det kan återge ljudet som produceras genom att slå på olika möbler, eller ljudet av klackar kontra sneakers på ett golv. Tillägget ger Habitat möjligheten att utbilda agenter i uppgifter som kräver både visuell och auditiv avkänning, som Få min ringande telefon eller Öppna dörren där personen knackar.
Av de tre utvecklingarna är tillägget av ljudträning mest spännande, säger Ani Kembhavi, robotforskare vid Allen Institute for Artificial Intelligence, som inte var involverad i arbetet. Liknande forskning tidigare har fokuserat mer på att ge agenter möjligheten att se eller svara på textkommandon. Att lägga till ljud är ett viktigt och spännande nästa steg, säger han. Jag ser många olika uppgifter där ljudingångar skulle vara mycket användbara. Kombinationen av syn och ljud i synnerhet är ett underutforskat forskningsområde, säger Pieter Abeel, chef för Robot Learning Lab vid University of California, Berkeley.
Var och en av dessa utvecklingar, säger FAIRs forskare, för labbet stegvis närmare att uppnå intelligenta robotassistenter. Målet är att sådana följeslagare ska kunna röra sig smidigt och utföra sofistikerade uppgifter som att laga mat.
Men det kommer att dröja länge innan vi kan släppa loss robotassistenter i köket. Ett av de många hinder som FAIR kommer att behöva övervinna: att ta till sig all virtuell träning i den fysiska världen, en process som kallas sim2real transfer. När forskarna först testade sina praktiskt taget tränade algoritmer i fysiska robotar gick processen inte så bra.
Framöver hoppas FAIR-forskarna kunna börja lägga till interaktionsmöjligheter i Habitat också. Låt oss säga att jag är en agent, säger Kristen Grauman, forskare vid FAIR och professor i datavetenskap vid University of Texas, Austin, som ledde en del av arbetet. Jag går in och ser dessa föremål. Vad kan jag göra med dem? Vart skulle jag gå om jag ska göra en sufflé? Vilka verktyg skulle jag hämta? Den här typen av interaktioner och till och med manipulationsbaserade förändringar av miljön skulle föra denna typ av arbete till en annan nivå. Det är något vi aktivt driver.