Rámec lidsky vedené AI slibuje rychlejší učení robotů v nových prostředích

V budoucí éře inteligentních domácností nebude výjimkou pořízení robota, který bude zjednodušovat domácí úkoly. Nicméně, může nastat frustrace, když tyto automatizované pomocníci nedokážou vykonat přímočaré úkoly. Vstoupí Andi Peng, vědec z oddělení elektrotechniky a počítačových věd na MIT, který spolu se svým týmem vytváří cestu ke zlepšení učebního procesu robotů.

Peng a jeho mezioborový tým výzkumníků vyvinuli interaktivní rámec pro lidsko-robotickou interakci. Hlavní výhodou tohoto systému je jeho schopnost generovat kontrafaktické narace, které označují změny potřebné pro úspěšné provedení úkolu robotem.

Pro ilustraci, když robot má potíže s rozpoznáním podivně malovaného hrnku, systém nabízí alternativní situace, ve kterých by robot uspěl, třeba kdyby hrnek měl více běžnou barvu. Tyto kontrafaktické vysvětlení spojené s lidskou zpětnou vazbou zjednodušují proces generování nových dat pro jemné doladění robota.

Peng vysvětluje, “Jemné doladění je proces optimalizace existujícího modelu strojového učení, který je již zdatný v jednom úkolu, aby mohl vykonat druhý, analogický úkol.”

Skok v efektivitě a výkonu

Když byl systém otestován, ukázal působivé výsledky. Roboti školení touto metodou prokázali rychlé učební schopnosti, zatímco snižovali časový závazek od svých lidských učitelů. Pokud by byl tento inovativní rámec úspěšně implementován ve větším měřítku, mohl by pomoci robotům přizpůsobit se rychle novým prostředím, minimalizovat potřebu, aby uživatelé měli pokročilé technické znalosti. Tato technologie by mohla být klíčem k odemknutí robotů s obecným účelem, které by mohly efektivně pomáhat starším nebo zdravotně postiženým osobám.

Peng věří, “Cílem je vybavit robota, aby se učil a fungoval na úrovni lidské abstrakce.”

Revoluce ve školení robotů

Hlavní překážka ve vzdělávání robotů je “posun distribuce”, termín používaný k vysvětlení situace, kdy robot narazí na objekty nebo prostory, se kterými se nesetkal během svého školení. Výzkumníci, aby tento problém vyřešili, implementovali metodu nazvanou “imitační učení”. Ale měla své omezení.

“Představte si, že musíte demonstrovat s 30 000 hrnky, aby robot mohl zvednout jakýkoli hrnek. Raději bych demonstroval s jedním hrnkem a učil robota, aby rozuměl, že může zvednout hrnek jakéhokoli barevného odstínu,” říká Peng.

Na odpověď na tuto výzvu identifikuje systém, které atributy objektu jsou důležité pro úkol (jako tvar hrnku) a které nejsou (jako barva hrnku). Ozbrojen tímto poznáním, generuje syntetická data, mění “nepodstatné” vizuální prvky, a tím optimalizuje proces učení robota.

Připojování lidského uvažování s robotickou logikou

Aby se zhodnotila účinnost tohoto rámce, provedli výzkumníci test s lidskými uživateli. Účastníci byli požádáni, zda kontrafaktické vysvětlení systému zlepšila jejich pochopení výkonu robota.

Peng říká, “Zjistili jsme, že lidé jsou přirozeně zdatní v tomto typu kontrafaktického uvažování. Je to tento kontrafaktický prvek, který umožňuje nám přeložit lidské uvažování do robotické logiky bezproblémově.”

V průběhu několika simulací se robot konzistentně učil rychleji s jejich přístupem, překonávající jiné techniky a vyžadující méně demonstrací od uživatelů.

V budoucnu plánuje tým implementovat tento rámec na skutečné roboty a pracovat na zkrácení doby generování dat pomocí generativních modelů strojového učení. Tento průlomový přístup má potenciál transformovat trajektorii učení robotů, vytvářející cestu k budoucnosti, kde roboti harmonicky souží v našem denním životě.