211service.com
Wikipedia för robotar
Människor har fått mycket värde genom att organisera all sin kunskap och göra den allmänt tillgänglig – i läroböcker, bibliotek, Wikipedia och YouTube, för att nämna några exempel. Dessa kunskapspooler är inte bara värdefulla för stora vetenskapliga satsningar utan också för triviala saker i vardagens mänskliga liv: du kan enkelt hitta tusentals YouTube-videor som lär dig hur man lagar en omelett.
Ashutosh Saxena
Vi lever nu i en värld där robotar hjälper människor i deras dagliga liv, och precis som människor behöver robotar lära sig nya färdigheter för att kunna utföra sina jobb framgångsrikt. Och vi bör inte förvänta oss att en robot ska lära sig på egen hand från grunden, lika lite som vi förväntar oss att en människa gör det – föreställ dig ett barn som växer upp utan tillgång till läroböcker, bibliotek eller internet.
Men de organiserade samlingarna av kunskap som fungerar för människor är inte så bra för robotar. En robot skulle inte få mycket användbar information om den frågade en sökmotor om hur man tar med sött te från köket. Robotar kräver något annat – tillgång till finare detaljer för planering, kontroll och förståelse av naturligt språk. När roboten ombeds att ta med sött te, skulle roboten behöva tillgång till kunskapen för att tolka språksymbolerna (te) i termer av fysiska enheter (en speciell behållare med sött te), den rumsliga kunskapen om att sött te kan vara antingen på ett bord eller i ett kylskåp, och kunskapen för att sluta sig till hur man greppar och manipulerar föremål. Det är möjligt att manuellt skripta en demo för en viss situation, men att hantera detta över olika uppgifter och i olika miljöer är fortfarande ett öppet problem.
2014 startade jag ett projekt som heter RoboBrain vid Cornell University tillsammans med doktoranderna Ashesh Jain och Ozan Sener. Vi har nu medarbetare på Stanford och Brown. Det vi arbetar med är ett sätt att dela information som gör att robotar kan samla in all kunskap de behöver för en uppgift (se Robotar som lär varandra ). Om en robot lär sig sprids kunskapen till alla robotar. RoboBrain uppnår detta genom att samla kunskap från en mängd olika källor. Systemet lagrar flera typer av information, inklusive symboler, naturligt språk, visuella eller formegenskaper, haptiska egenskaper och rörelser.
Detta tillvägagångssätt representerar en enorm förändring i tänkandet. Historiskt sett har forskargrupper som arbetar med robotar tränat sina robotar isolerat. Ja, vi delar ofta idéer genom publikationer och mjukvara som kan användas av en annan forskargrupp, men det en robot kan lära sig har inte varit tillgängligt för en annan forskares robot. För att lägga till problemet har forskargrupper arbetat med olika problem – en kan ha fokuserat på datorseendeproblemet att identifiera en kopp, medan en annan arbetat med språkproblemet vad som är en kopp, medan en tredje har tagit itu med hur man förstår en kopp. kopp.
Det är den typen av tillvägagångssätt vi behöver för att komma förbi. En kopp är ett föremål, inte tre. Och en robot, precis som en person, måste kunna ha all kunskap den behöver på ett ställe.
Ashutosh Saxena är chef för RoboBrain-projektet och grundare och VD för startupen Brain of Things .