211service.com
Minecraft visar robotar hur man slutar rasera
Datorspelet Minecraft , som skildrar en värld som består av retro, pixlade block som kan modifieras och omarrangeras i oändliga arkitektoniska konfigurationer, har hyllats för att lära unga spelare om kreativitet, problemlösning och överlevnadsförmåga (i vissa lägen måste du undvika hot inklusive zombies ). Tja, det visar sig att även oerfarna robotar kan lära sig ett och annat genom att spela spelet.
Minecraft användes för att lära en virtuell agent vilka steg man skulle utesluta när man försökte sätta ett guldblock i en ugn.
Stephanie Tellex , en professor vid Brown University, använder Minecraft, såväl som verkliga maskiner, för att utforska sätt för robotar att lösa nya problem snabbare och mer effektivt. Detta är inget de flesta robotar behöver göra, eftersom de arbetar i en fast miljö och utför arbete som har programmerats noggrant i förväg. Men det kan vara viktigt eftersom robotar börjar ta sig an mer komplexa, öppna uppgifter i mindre strukturerade miljöer. En robot designad för att hjälpa till i hemmet, till exempel, skulle behöva ta reda på hur man utför olika sysslor.
Du kanske säger till en robot 'Gör kaffe till mig', men nästa minut kanske du säger 'Tvätta', säger Tellex. I det här sammanhanget, där du inte vet målet i förväg, finns det här planeringsproblemet. Att hitta sekvensen av åtgärder som kommer att fungera i just den här miljön är mycket utmanande. Vårt tillvägagångssätt handlar om att lära sig så snabbare.
Forskarnas algoritm testades på en riktig robot programmerad för att hjälpa till med matlagning.
Utmaningen för en robot är att den saknar kontextuell förståelse om världen. Det betyder att den måste gå igenom alla möjliga åtgärder som kan hjälpa den att nå ett mål. För att tvätta tvätten kan en robot överväga om kaffebryggaren kan hjälpa. Och för en sofistikerad robot som arbetar i en komplex miljö kan antalet scenarier som måste beaktas vara enormt, vilket kräver omfattande beräkningskraft.
Tellex har tillsammans med en av sina doktorander, David Abel, och flera andra kollegor på Brown, utvecklat en algoritm som låter en robot beskära vissa möjliga handlingsvägar genom att förstå i vilken riktning en viss uppgift pekar. Beväpnad med en sådan algoritm kan en robot förstå att tvätten inte innebär att man använder någon köksutrustning eller redskap – kunskap som antingen kan förprogrammeras eller läras in genom erfarenhet.
Minecraft användes för att testa inlärningsmetoden. Forskarna kontrollerade en virtuell karaktär som hade till uppgift att sätta ett virtuellt guldblock i en virtuell ugn, samtidigt som de undviker en virtuell pool av lava. Efter att ha utfört uppgiften i en begränsad miljö, genom långa försök och misstag, lärde sig algoritmen som styr karaktären att vissa beteenden, som att placera guldblock på marken, kunde uteslutas när man försöker uppnå målet.
När karaktären blir ombedd att utföra samma uppgift i en mer komplex miljö, kan karaktären arbeta igenom en mycket mindre uppsättning potentiella scenarier. Och tillvägagångssättet kan låta robotar lära sig hur man utför en uppgift i en virtuell miljö innan de tar sig an verkliga scenarier (se Även robotar har nu sin egen virtuella värld).
Manuela Veloso , en professor som specialiserat sig på robotik vid Carnegie Mellon University, säger att virtuell inlärning redan är ett viktigt område för robotik. Det är klart att en robot inte kan använda trial and error för att lära sig gå ner för trappor, eftersom den går sönder vid första försöket, säger hon. Simulering i allmänhet kan hjälpa till att träna en modell, som sedan kan användas av en riktig robot.
Brown-forskarna testade också tillvägagångssättet med en riktig maskin: en Baxter-robot från Tänk om Robotics . De tilldelade roboten att hjälpa en person att laga mat, och programmerade in en förståelse för de åtgärder som kunde diskonteras för vissa recept. Detta gjorde maskinen mer effektiv när den skulle bestämma sin egen handlingssätt för att hjälpa till att göra brownies.
Det tillvägagångssätt som Brown-forskarna följer är inte bara mer effektivt utan på sätt och vis mer mänskligt, eftersom det kräver en djupare förståelse av en uppgift och dess sammanhang. Vi har inspirerats av en del av litteraturen om 'avfordances', vilket är hur människor ser på världen när de försöker uppnå något, säger Tellex.
Använder Minecraft för att frigöra robotsinnet från Brown University på Vimeo .