پژوهشگران روشی را طراحی کردند که با استفاده از آن ربات ها کارهای خانه را از طریق نگاه کردن یاد می گیرند و پس از چند بار تمرین همان کارها را انجام می دهند.
به گزارش ایرنا به نقل از پایگاه خبری ساینس دِیلی (Science Daily)، ربات به دانشمندی نگاه کرد که درِ یخچال را باز کرد. حرکات او، چرخش در، مکان یخچال و بقیه داده ها را ضبط کرد. سپس، این داده ها را تجزیه و تحلیل و خود را برای تقلید از آنچه او انجام داده بود، آماده کرد. در ابتدا، شکست خورد. گاهی اوقات نمی توانست دسته یخچال را در دستش بگیرد، آنرا از جای اشتباهی می گرفت یا به اشتباه آنرا می کشید؛ اما پس از چند ساعت تمرین، موفق شد و در را باز کرد.
شیکار بال (Shikhar Bahl) دانشجوی دکتری در موسسه روباتیکز دانشکده علوم کامپیوتر دانشگاه کارنگی ملون در آمریکا است. بال و همکارانش تلاش می کنند یک روش یادگیری جدید برای ربات ها طراحی کنند که وِرل (whirl) نامیده می شود. این کلمه مخفف «آموزش ربات تقلیدکننده از انسان در طبیعت» است. وِرل یک الگوریتم کارآمد برای تقلید بصری تک شات است.
او می گوید: یادگیری ربات ها از طریق تماشای مستقیم انسان ها یک مشکل حل نشده است؛ اما این پژوهش گامی مهم در ایجاد این توانایی است.
ربات ها میتوانند به صورت مستقیم از ویدیوهای تعامل انسانی بیاموزند و آن اطلاعات را به کارهای جدید تعمیم دهند. این کار، ربات ها را برای یادگیری کارهای خانه مناسب سازی می کند.
مردم بطور مداوم، کارهای مختلفی را در خانه های خود انجام می دهند. با روش یادگیری ورل، ربات ها میتوانند آن وظایف را مشاهده و داده های ویدیویی لازم را جمع آوری کنند تا در نهایت نحوه تکمیل کار برای آن ها مشخص شود.
این گروه پژوهشی یک دوربین و نرم افزارشان را به یک ربات آماده استفاده اضافه کردند. ربات یاد گرفت که چگونه بیش از ۲۰ کار را انجام دهد: از باز و بسته کردن وسایل و درهای کابینت و کشوها گرفته تا گذاشتن در روی قابلمه ها، هل دادن صندلی ها و حتی خارج کردن کیسه زباله از سطل.
هر بار، ربات یک انسان را تماشا میکرد که کاری را انجام می دهد؛ سپس آن کار را تمرین می کرد و یاد می گرفت تا آنرا به تنهایی انجام دهد. این گروه پژوهشی، تحقیقات خود را در کنفرانس رباتیک:علم و سیستم ها (Robotics:Science and Systems) در نیویورک ارایه کرد.
پژوهشگران می گویند: این کار، راهی را ارائه می کند تا به وسیله آن ربات ها را به خانه ها بیاوریم. به جای اینکه منتظر بمانیم ربات ها برنامه ریزی شوند یا آموزش ببینند تا وظایف مختلفی را با موفقیت انجام دهند و سپس در خانه های مردم به کار گرفته شوند، می توانیم با این فناوری در حالی که ربات ها در خانه های مردم هستند به آنها آموزش دهیم چگونه کارها را انجام دهند و هم زمان با محیط خود سازگار شوند و فقط با نگاه کردن ارتقا پیدا کنند.
روش های فعلی برای آموزش یک کار به ربات، معمولاً مبتنی بر تقلید یا یادگیری تقویتی است. یادگیری تقلیدی یکی از گرایش های یادگیری ماشینی است که از روانشناسی رفتارگرایی الهام می گیرد. در یادگیری تقلیدی، انسان ها به صورت دستی یک ربات را به کار می گیرند تا به آن آموزش دهند چگونه یک کار را کامل کند.
این فرایند باید چندین بار برای یک کار واحد قبل از یادگیری ربات انجام شود. در یادگیری تقویتی، ربات معمولاً در شبيه سازي روی میلیون ها مثال آموزش می بیند و سپس از آن خواسته می شود تا آموزش را با دنیای واقعی تطبیق دهد.
با روش ورل، ربات میتواند از هر ویدیویی که یک انسان را در حال انجام کار نشان می دهد، یاد بگیرد. به راحتی مقیاس پذیر است، به یک کار خاص محدود نمی شود و می تواند در محیط های خانگی واقع گرایانه عمل کند.
- 19
- 5
