Új algoritmus segíti a robotokat az önálló tanulásban
A robotok fejlődése egyre nagyobb szerepet játszik a modern iparban és a hétköznapokban. A MIT Számítástechnikai és Mesterséges Intelligencia Laboratórium (CSAIL) és az AI Institute kutatói nemrégiben bemutatták az új, „Estimate, Extrapolate, and Situate” (EES) algoritmust, amely lehetővé teszi a robotok számára, hogy önállóan gyakoroljanak és javítsák teljesítményüket.
Az EES algoritmus célja, hogy segítsen a robotoknak olyan tevékenységekben, mint például a padlók seprésében. A rendszer egy látórendszert használ, amely megfigyeli és nyomon követi a robot környezetét. Az algoritmus először megbecsüli, hogy a robot mennyire megbízhatóan hajt végre egy adott feladatot, majd megvizsgálja, hogy érdemes-e további gyakorlásra. Ezt követően a robot elkezd gyakorolni, a látórendszer pedig ellenőrzi az egyes próbálkozások eredményeit.
A kutatók, Nishanth Kumar SM ’24 és társai szerint az EES algoritmus lehetővé teszi a robotok számára, hogy emberi beavatkozás nélkül, mindössze néhány próbálkozással javuljanak. Kumar kiemelte: „Most már van egy algoritmusunk, amely lehetővé teszi a robotok számára, hogy érdemben javuljanak konkrét készségekben viszonylag rövid idő alatt, ami jelentős előrelépés a hagyományos megerősítő tanulási algoritmusokhoz képest.”
Az EES algoritmus hatékonyságát a Boston Dynamics Spot robotján végzett kísérletek során is bizonyította, ahol a robot mindössze néhány óra gyakorlás után képes volt manipulációs feladatok elvégzésére. A kutatók célja, hogy a robot saját tapasztalatait gyűjtse, így jobban választhatja ki a sikeres stratégiákat a következő feladatok során.
Bár az algoritmus ígéretes, a kutatók megjegyzik, hogy van néhány korlátozás, például a tesztelés során használt alacsony asztalok, amelyek megkönnyítették a robot számára az objektumok észlelését. A kutatók remélik, hogy a jövőben egy szimulátor segítségével gyorsíthatják a gyakorlatok sebességét.
Érdekesség: Az AI algoritmusok a robotok önálló tanulásának elősegítésével hozzájárulhatnak a jövőbeli háztartási robotok fejlesztéséhez, amelyek képesek lesznek alkalmazkodni a különböző otthoni környezetekhez.
Források: MIT CSAIL, The AI Institute, Robotics: Science and Systems Conference
