Oppimismenetelmä mahdollistaa robotien oppimisen ihmisten havainnoinnista

Carnegie Mellon Universityn (CMU) tutkijat ovat kehittäneet uuden oppimismenetelmän, joka mahdollistaa robotien suoraan oppimisen ihmisten vuorovaikutusvideoista ja yleistää tiedon uusiin tehtäviin, mikä auttaa niitä oppimaan, miten suorittaa kotitöitä. Oppimismenetelmää kutsutaan WHIRL:ksi, joka tarkoittaa In-the-wild Human Imitating Robot Learning, ja se auttaa robottia havainnoimaan tehtäviä ja keräämään videoaineistoa, jotta se lopulta oppii suorittamaan työn itse.

Tutkimus esiteltiin Robotics: Science and Systems -konferenssissa New Yorkissa.

Imitaatio oppimisen keinona

Shikhar Bahl on väitöskirjatutkija Robotics Institute (RI) -yksikössä Carnegie Mellon Universityn tietojenkäsittelytieteen laitoksella.

“Imitaatio on hyvä tapa oppia”, Bahl sanoi. “Robottien oppiminen suoraan ihmisten tarkkailusta on edelleen ratkaisematon ongelma alalla, mutta tämä työ edistää merkittävästi kyseisen kyvyn mahdollistamista.”

Bahl työskenteli Deepak Pathakin ja Abhinav Guptan kanssa, jotka molemmat ovat myös RI:n henkilöstöä. Tiimi lisäsi kameran ja ohjelmistonsa valmiiseen robottiin, joka oppi suorittamaan yli 20 tehtävää. Tehtäviin kuului kaikkea siitä, miten avata ja sulkea laitteita, aina siihen, miten ottaa roskapussi roska-astiasta. Jokaisella kerralla robotti katseli, kun ihminen suoritti tehtävän ennen kuin yritti itse.

Pathak on apulaisprofessori RI:ssä.

“Tämä työ esittää tavan tuoda robotit kotiin”, Pathak sanoi. “Sen sijaan, että odottaisimme, että robotit ohjelmoidaan tai koulutetaan suorittamaan eri tehtäviä ennen kuin niitä käytetään ihmisten kodeissa, tämä teknologia mahdollistaa robotien käyttöönoton ja oppimisen tehtävistä samalla, kun ne sopeutuvat ympäristöönsä ja paranevat pelkästään katsomalla.”

WHIRL vs. nykyiset menetelmät

Useimmat nykyiset menetelmät robotin opettamiseen tehtävään perustuvat joko imitaatioon tai vahvistusoppimiseen. Imitaatiooppimisessa ihmiset ohjaavat robottia manuaalisesti ja opettavat sille, miten suorittaa tehtävä, mikä vaatii useita toistoja ennen kuin robotti oppii. Vahvistusoppimisessa robotti on yleensä koulutettu miljoonilla esimerkeillä simulaatiossa ennen kuin koulutusta sovelletaan todelliseen maailmaan.

Molemmat mallit ovat tehokkaita opettamaan robotille yksittäisen tehtävän järjestetyssä ympäristössä, mutta ne osoittautuvat vaikeiksi skaalattaviksi ja käyttöönotettaviksi. WHIRL:in avulla robotti voi kuitenkin oppia minkä tahansa videon, jossa ihminen suorittaa tehtävän. Se on myös helposti skaalattavissa, eikä se ole rajoitettu yhteen tiettyyn tehtävään, ja se toimii kotiympäristöissä.

WHIRL mahdollistaa robotien suorittamisen tehtäviä luonnollisissa ympäristöissään. Vaikka ensimmäiset yritykset usein päättyivät epäonnistumiseen, se oppi nopeasti vain muutamien onnistumisten jälkeen. Robotti ei aina suorita tehtävää samalla tavalla kuin ihminen, mutta se johtuu siitä, että sillä on erilaiset osat, jotka liikkuvat eri tavoin. Sanottuna, tehtävien suorittamisen lopputulos on aina sama.

“Robotiikan skaalattavuus luonnonvaraisten olosuhteiden keskellä edellyttää, että data on luotettavaa ja vakaa, ja robotit tulisi parantaa ympäristössään harjoittelemalla itse”, Pathak sanoi.