Новый робот университета Беркли может заглядывать в свое будущее
Специалисты университета Беркли разработали технологию роботизированного обучения, которая позволяет роботам предвидеть будущее своих действий. Таким образом роботы могут понимать, как манипулировать объектами, с которыми они никогда не сталкивались раньше. В будущем эта технология может помочь самоходным автомобилям предопределять будущие события на дороге. Кроме того, появится возможность производить более интеллектуальных помощников роботов для дома. Пока что прототип изучает простые навыки.
Используя технологию, называемую визуальным предвидением, роботы могут предсказать, что их камеры увидят, если они выполняют определенную последовательность движений. Сейчас прогнозы делаются на несколько секунд вперед, но уже этого достаточно, чтобы робот мог разобраться, как перемещать объекты на стол, не сталкиваясь с препятствиями. Это говорит о том, что робот может научиться выполнять задачи без какой-либо помощи со стороны людей или знаний о физике, окружающей среде или объектах. Визуальное воображение полностью изучается с нуля без контроля и надзора со стороны человека. Робот просто играет с объектами на столе. После этой игры робот строит прогностическую модель мира и сможет использовать эту модель для управления новыми объектами, которые он не видел раньше.
Сергей Левин, доцент кафедры электротехники, инженерии и компьютерных наук университета Беркли, чья лаборатория разработала технологию, поясняет, что программное обеспечение позволяет роботу визуализировать то, как поведение влияет на окружающий мир.
— Дети могут узнать о мире, играя с игрушками, перемещая их, захватывая и т. д. Наша цель в этом исследовании — позволить роботу сделать то же самое: узнать, как мир работает через автономное взаимодействие, — объясняет Левин. — Возможности этого робота все еще ограничены, но его навыки изучаются полностью автоматически и позволяют ему прогнозировать сложные физические взаимодействия с объектами, которые он никогда раньше не видел, опираясь на ранее наблюдаемые модели взаимодействия.
В основе системы лежит технология глубинного обучения. Роботы могут выполнять все более сложные задачи, такие как движение игрушки вокруг препятствий и перемещение нескольких объектов.
— В этом прошлом роботы учились навыкам с помощью человека-руководителя, помогающего и обеспечивающего обратную связь, — говорит Челси Финн, докторант лаборатории Левина, — Работа стала интереснее, так как роботы могут самостоятельно изучать различные навыки манипуляций с объектами.
