Facebook kehittää menetelmän, joka mahdollistaa tekoälyrobotien navigoinnin ilman karttaa

Facebook (META ) on luonut algoritmin, joka parantaa tekoälyagentin kykyä navigoida ympäristössä, jolloin agentti voi määrittää lyhimmän reitin uusien ympäristöjen läpi ilman kartan käyttöä. Vaikka mobiilirobotit yleensä ovat ohjelmoitu käyttämään karttaa, Facebookin suunnittelema uusi algoritmi voisi mahdollistaa robotien luomisen, jotka voivat navigoida ympäristössä ilman kartan tarvetta.

Facebookin tutkijoiden kirjoittamassa postissa todetaan, että yksi suurimmista haasteista robotin navigoinnissa on antaa tekoälyjärjestelmille kyky navigoida uusien ympäristöjen läpi ja saavuttaa ohjelmoituja kohteita ilman karttaa. Tämän haasteen ratkaisemiseksi Facebook kehitti vahvistusoppimisalgoritmin, joka on jaettu useiden oppijoiden kesken. Algoritmi kutsuttiin hajautetun lähellä-optimaaliseksi proximaalipolitiikkaoptimoiksi (DD-PPO). DD-PPO:lle annettiin ainoastaan kompassidata, GPS-data ja pääsy RGB-D-kameraan, mutta se kykeni navigoimaan virtuaalisessa ympäristössä ja saavuttamaan kohteen ilman karttatietoja.

Tutkijoiden mukaan agentit koulutettiin virtuaalisissa ympäristöissä, kuten toimistoissa ja taloissa. Tuloksena oleva algoritmi kykeni navigoimaan simuloidussa sisäympäristössä, valitsemaan oikean haaran polussa ja nopeasti palautumaan virheistä, jos se valitsi väärän polun. Virtuaalisten ympäristöjen tulokset olivat lupaavia, ja on tärkeää, että agentit kykenevät luotettavasti navigoimaan näissä yleisissä ympäristöissä, koska todellisessa maailmassa agentti voi vahingoittaa itseään tai ympäristöään, jos se epäonnistuu.

Facebookin tutkimusryhmä selitti, että heidän projektinsa painopiste oli avustavat robotit, koska oikea ja luotettava navigointi avustaville roboteille ja tekoälyagentteille on olennainen. Tutkimusryhmä selitti, että navigointi on välttämätöntä laajalle valikoimalle avustavia tekoälyjärjestelmiä, kuten roboteille, jotka suorittavat tehtäviä kodissa, ja tekoälyohjattuille laitteille, jotka auttavat ihmisiä, joilla on näönvamma. Tutkimusryhmä väitti myös, että tekoälyluojien tulisi siirtyä kartan käytöstä yleensä, koska kartat ovat usein vanhentuneita heti, kun ne on piirretty, ja todellisissa ympäristöissä ne ovat jatkuvasti muuttuvia ja kehittyviä.

TechExplore raportoi, että Facebookin tutkimusryhmä käytti avoimen lähdekoodin AI Habitat -alustaa, joka mahdollisti heidän kouluttaa ruumiillistettuja agenteja fotorealistisissa 3D-ympäristöissä ajallisesti. Haven tarjosi pääsyn joukkoon simuloituja ympäristöjä, ja nämä ympäristöt ovat riittävän realistisia, jotta AI-mallin generoima data voidaan soveltaa todellisiin tapauksiin. Douglas Heaven MIT Technology Review’ssa selitti mallin koulutuksen intensiteettiä:

“Facebook koulutti roboteja kolme päivää AI Habitatissa, fotorealistisessa virtuaalisessa jäljitelmässä rakennuksen sisätiloista, huoneista ja käytävistä sekä kalusteista. Tuona aikana he tekivät 2,5 miljardia askelta – vastaava määrä kuin 80 vuoden ihmiskokemus.”

Johtuen koulutustehtävän valtavasta monimutkaisuudesta, tutkijat ilmoittivat poistaneensa heikot oppijat koulutuksen aikana jotta koulutusaika nopeutuisi. Tutkimusryhmä toivoo pystyvänsä viemään nykyisen mallinsa eteenpäin ja luomaan algoritmeja, jotka voivat navigoida monimutkaisissa ympäristöissä vain kameratiedon avulla, jättäen GPS-tiedon ja kompassin pois. Syy tähän on, että GPS-tieto ja kompassitieto voivat usein olla häiriintyneitä sisätiloissa, liian meluisia tai vain saatavissa.

Vaikka teknologiaa ei ole vielä testattu ulkosalla ja sillä on vaikeuksia navigoida pitkin matkoja, algoritmin kehitys on tärkeä askel seuraavan sukupolven robottien kehittämisessä, erityisesti toimitusdroneissa ja roboteissa, jotka toimivat toimistoissa tai kodeissa.