Robotik
Facebook erstellt Methode, die es AI-Robotern ermöglichen könnte, ohne Karte zu navigieren
Facebook hat kürzlich einen Algorithmus erstellt, der die Fähigkeit eines AI-Agents zur Navigation in einer Umgebung verbessert, sodass der Agent die kürzeste Route durch neue Umgebungen ohne Zugriff auf eine Karte bestimmen kann. Während mobile Roboter typischerweise eine Karte programmiert haben, könnte der neue Algorithmus, den Facebook entwickelt hat, die Erstellung von Robotern ermöglichen, die ohne Karten navigieren können.
Laut einem Beitrag von Facebook-Forschern ist eine der größten Herausforderungen für die Navigation von Robotern die Ausstattung von AI-Systemen mit der Fähigkeit, durch neue Umgebungen zu navigieren und programmierte Ziele ohne Karte zu erreichen. Um diese Herausforderung zu meistern, erstellte Facebook einen Verstärkungs-Lernalgorithmus, der auf mehrere Lerner verteilt ist. Der Algorithmus wurde dezentraler verteilter proximaler Policy-Optimierer (DD-PPO) genannt. DD-PPO erhielt nur Kompassdaten, GPS-Daten und Zugriff auf eine RGB-D-Kamera, konnte jedoch berichtet werden, dass es in der Lage war, eine virtuelle Umgebung zu navigieren und ein Ziel ohne Karten-Daten zu erreichen.
Laut den Forschern wurden die Agenten in virtuellen Umgebungen wie Bürogebäuden und Häusern trainiert. Der resultierende Algorithmus war in der Lage, eine simulierte Innenumgebung zu navigieren, die richtige Gabelung in einem Pfad zu wählen und schnell von Fehlern zu erholen, wenn es den falschen Pfad wählte. Die Ergebnisse in der virtuellen Umgebung waren vielversprechend, und es ist wichtig, dass die Agenten in der Lage sind, diese häufigen Umgebungen zuverlässig zu navigieren, da ein Agent in der realen Welt sich selbst oder seine Umgebung schädigen könnte, wenn es versagt.
Das Facebook-Forschungsteam erklärte, dass der Schwerpunkt ihres Projekts auf assistiven Robotern lag, da eine ordnungsgemäße und zuverlässige Navigation für assistive Roboter und AI-Agents unerlässlich ist. Das Forschungsteam erklärte, dass Navigation für eine Vielzahl von assistiven AI-Systemen, von Robotern, die Aufgaben im Haus ausführen, bis hin zu AI-gesteuerten Geräten, die Menschen mit Sehbehinderungen helfen, unerlässlich ist. Das Forschungsteam argumentierte auch, dass AI-Ersteller von der Verwendung von Karten allgemein abrücken sollten, da Karten oft veraltet sind, sobald sie gezeichnet werden, und in realen Umgebungen ständig ändern und evolvieren.
Wie TechExplore berichtete, nutzte das Facebook-Forschungsteam die Open-Source-AI-Habitat-Plattform, die es ihnen ermöglichte, eingebettete Agenten in photorealistischen 3-D-Umgebungen in kurzer Zeit zu trainieren. Haven bot Zugriff auf eine Reihe von simulierten Umgebungen, und diese Umgebungen sind realistisch genug, dass die von dem AI-Modell generierten Daten auf reale Fälle angewendet werden können. Douglas Heaven in MIT Technology Review erklärte die Intensität der Trainings des Modells:
“Facebook trainierte Bots für drei Tage in AI Habitat, einer photorealistischen virtuellen Nachbildung des Inneren eines Gebäudes, mit Räumen und Korridoren und Möbeln. In dieser Zeit machten sie 2,5 Milliarden Schritte – was dem Äquivalent von 80 Jahren menschlicher Erfahrung entspricht.”
Aufgrund der enormen Komplexität der Trainingsaufgabe sollen die Forscher berichtet haben, dass sie die schwachen Lerner während des Trainings ausgemerzt haben, um die Trainingszeit zu beschleunigen. Das Forschungsteam hofft, das aktuelle Modell weiterzuentwickeln und Algorithmen zu erstellen, die komplexe Umgebungen nur mit Kameras-Daten navigieren können, indem sie die GPS-Daten und Kompass-Daten fallen lassen. Der Grund dafür ist, dass GPS-Daten und Kompass-Daten oft innerhalb von Gebäuden gestört, zu laut oder einfach nicht verfügbar sein können.
Obwohl die Technologie noch nicht im Freien getestet wurde und Schwierigkeiten bei der Navigation über lange Strecken hat, ist die Entwicklung des Algorithmus ein wichtiger Schritt in der Entwicklung der nächsten Generation von Robotern, insbesondere von Lieferdrohnen und Robotern, die in Büros oder Häusern arbeiten.
