Menneske-styret AI-ramme lover hurtigere robotlæring i nye miljøer

I fremtiden, hvor smarte hjem er almindelige, vil det ikke være usædvanligt at have en robot til at strømline huslige opgaver. Men frustration kan indtræffe, når disse automatiserede hjælpere ikke kan udføre simple opgaver. Det er her, Andi Peng, en forsker fra MIT’s Electrical Engineering and Computer Science-afdeling, og hendes team kommer ind i billedet, da de arbejder på at forbedre læringskurven for robotter.

Peng og hendes tværfaglige team af forskere har udviklet et menneske-robot interaktivt rammeværk. Det bemærkelsesværdige ved dette system er dets evne til at generere kontrafaktiske fortællinger, der peger på de ændringer, der er nødvendige for, at robotten kan udføre en opgave succesfuldt.

For at illustrere, hvis en robot har svært ved at genkende en underligt malet kopp, tilbyder systemet alternative situationer, hvor robotten ville have haft succes, måske hvis koppen var af en mere almindelig farve. Disse kontrafaktiske forklaringer kombineret med menneskelig feedback strømliner processen med at generere nye data til finjustering af robotten.

Peng forklarer, “Finjustering er processen med at optimere en eksisterende maskinlæringsmodel, der allerede er dygtig i en opgave, så den kan udføre en anden, analog opgave.”

Et spring i effektivitet og præstation

Når systemet blev testet, viste det imponerende resultater. Robotter, der blev trænet med denne metode, viste hurtige læringsfærdigheder, samtidig med at de reducerede tidsforpligtelsen fra deres menneskelige lærere. Hvis dette innovative rammeværk blev implementeret på en større skala, kunne det hjælpe robotter med at tilpasse sig hurtigt til nye omgivelser, og minimere behovet for, at brugerne har avanceret teknisk viden. Denne teknologi kunne være nøglen til at låse op for almindelige formål-robotter, der kan assistere ældre eller handicappede personer effektivt.

Peng mener, “Det endelige mål er at give en robot mulighed for at lære og fungere på et menneskeligt abstrakt niveau.”

Revolutionerende robottræning

Det primære hindringsmoment i robotlæring er ‘distributionsskift’, en term, der bruges til at forklare en situation, hvor en robot møder objekter eller rum, den ikke har været udsat for under sin træningsperiode. Forskerne har for at løse dette problem implementeret en metode kendt som ‘imitation learning’. Men den havde sine begrænsninger.

“Forestil dig, at du skal demonstrere med 30.000 kopper for, at en robot kan samle op en kopp. Jeg ville hellere demonstrere med kun en kopp og lære robotten at forstå, at den kan samle op en kopp af enhver farve,” siger Peng.

Som svar på dette identificerer teamets system, hvilke attributter af objektet, der er essentielle for opgaven (som formen på en kopp) og hvilke, der ikke er (som farven på koppen). Udstyret med denne viden genererer det syntetiske data, der ændrer de “ikke-essentielle” visuelle elementer, og optimerer dermed robotternes læringsproces.

Forbindelse af menneskelig fornuft med robotlogik

For at måle effikoviteten af dette rammeværk gennemførte forskerne en test, der involverede menneskelige brugere. Deltagerne blev bedt om, hvorvidt systemets kontrafaktiske forklaringer forbedrede deres forståelse af robotternes opgavepræstation.

Peng siger, “Vi fandt ud af, at mennesker er naturligt dygtige til denne form for kontrafaktisk resonnering. Det er dette kontrafaktiske element, der giver os mulighed for at oversætte menneskelig fornuft til robotlogik uden problemer.”

I løbet af flere simulationer lærte robotterne konsekvent hurtigere med deres tilgang, overgik andre metoder og havde brug for færre demonstrationer fra brugerne.

Settende blikket fremad planlægger teamet at implementere dette rammeværk på faktiske robotter og arbejde på at forkorte datagenereringstiden via generative maskinlæringsmodeller. Denne gennembruds-tilgang har potentialet til at forandre robotlæringskurven, og baner vejen for en fremtid, hvor robotter kan sameksistere harmonisk i vores daglige liv.