طريقة التعلم تمكن الروبوتات من التعلم من خلال مشاهدة البشر

تم تطوير طريقة تعلم جديدة من قبل باحثين في جامعة كارنيجي ميلون (CMU) تمكن الروبوتات من التعلم مباشرة من مقاطع فيديو للتفاعل البشري وتعميم المعلومات إلى مهام جديدة ، مما يساعد على تعلم كيفية إنجاز مهام المنزل. وتسمى هذه الطريقة WHIRL ، وهي تعني التعلم الروبوتي من خلال التقليد في البرية ، وتساعد الروبوت على ملاحظة المهام وجمع بيانات الفيديو في النهاية لتعلم كيفية إنجاز الوظيفة نفسها.

تم تقديم البحث في مؤتمر Robotics: Science and Systems في نيويورك.

التقليد كوسيلة للتعلم

شخار باهل هو طالب دكتوراه في معهد الروبوتات (RI) في جامعة كارنيجي ميلون.

“التقليد هو وسيلة رائعة للتعلم” ، قال باهل. “إعطاء الروبوتات القدرة على التعلم مباشرة من مشاهدة البشر لا يزال مشكلة غير محلولة في المجال ، ولكن هذا العمل يأخذ خطوة كبيرة في تمكين هذه القدرة”.

عمل باهل جنبًا إلى جنب مع ديباك باتاك وأبهيناف غوبتا ، وكلاهما أعضاء هيئة تدريس في RI. أضاف الفريق كاميرا وبرمجته إلى روبوت خارج الصندوق تعلم كيفية إنجاز أكثر من 20 مهمة. وشملت هذه المهام كل شيء من فتح وإغلاق الأجهزة إلى إخراج كيس القمامة من الصندوق. كل مرة يشاهد الروبوت إنسانًا ينجز المهمة قبل محاولة القيام بها بنفسه.

باتاك هو أستاذ مساعد في RI.

“هذا العمل يقدم طريقة لجلب الروبوتات إلى المنزل” ، قال باتاك. “بدلاً من انتظار الروبوتات حتى يتم برمجة أو تدريبها بنجاح لإنجاز مهام مختلفة قبل نشرها في منازل الناس ، تسمح لنا هذه التكنولوجيا بنشر الروبوتات وتعلم كيفية إنجاز المهام ، مع التكيف مع بيئاتهم وتحسينها فقط من خلال المشاهدة”.

WHIRL مقابل الطرق الحالية

تعتمد معظم الطرق الحالية لتعليم الروبوت مهمة على التقليد أو التعلم بالتعزيز. مع التعلم بالتقليد ، يُشغل البشر الروبوت ويعلمونه كيفية إنجاز مهمة ، مما يتطلب إنجازها عدة مرات قبل أن يتعلم الروبوت. مع التعلم بالتعزيز ، يُدرّب الروبوت عادةً على ملايين الأمثلة في المحاكاة قبل تعديل التدريب إلى العالم الحقيقي.

في حين أن كلاً من هذه النماذج كفء في تعليم روبوت مهمة واحدة في بيئة منضبطة ، فإنها تثبت صعوبة في التوسع والنشر. ولكن مع WHIRL ، يمكن للروبوت التعلم من أي فيديو لمشاهدة إنسان ينجز مهمة. كما أنه من السهل توسيعه ، ولا يتم حظره في مهمة محددة ، ويمكنه العمل في بيئات المنزل.

تمكن WHIRL الروبوتات من إنجاز المهام في بيئاتها الطبيعية. وعلى الرغم من أن المحاولات الأولى انتهت عادةً بالفشل ، إلا أنه يمكن أن يتعلم بسرعة بعد بضعة نجاحات فقط. لا ينجز الروبوت دائمًا المهمة بنفس الحركات مثل الإنسان ، ولكن ذلك لأن له أجزاء مختلفة تتحرك بشكل مختلف. ومع ذلك ، فإن النتيجة النهائية لإنجاز المهام هي دائمًا نفسها.

“为了扩大机器人在野外的规模，数据必须是可靠和稳定的，机器人应该通过自己练习来改善其环境，” Pathak 说。