AI-mallit ja alustat

Tutkija näkee eteen Interactive Cyber-Physical Human (iCPH) -alustan

mm
Lisää Unite.AI suosikkilähteisiisi Google-palvelussa

Tokion tiede-yliopiston professori Eiichi Yoshida on esittänyt mielenkiintoisen idean interaktiivisesta kybernettiis-fyysisestä ihmisestä (iCPH).

Ihmiset voivat luonnostaan suorittaa monia monimutkaisia tehtäviä, kuten istumista ja esineiden nostamista. Näissä toimissa on kuitenkin mukana monia liikkeitä ja useita kosketuksia, mikä voi olla vaikeaa roboteille. iCPH voisi auttaa ratkaisemaan tämän ongelman.

Ihmismäisten järjestelmien ymmärtäminen ja luominen

Uusi alusta voi auttaa ymmärtämään ja luomaan ihmismäisiä järjestelmiä, jotka käyttävät monia kosketusrikkaita kokonaisvaltaisia liikkeitä.

Tutkimus on julkaistu Frontiers in Robotics and AI-julkaisussa.

”Nimen mukaisesti iCPH yhdistää fyysisiä ja kybernettiisiä elementtejä ihmisten liikkeiden tallentamiseksi”, Prof. Yoshida sanoo. ”Koska humanoidiroboti toimii ihmisen fyysisenä kaksoiskappaleena, digitaalinen kaksoiskappale on simuloitu ihminen tai robotti kyberavaruudessa. Jälkimmäinen on mallinnettu menetelmillä kuten lihas- ja luurankotutkimuksella. Kaksoiskappaleet täydentävät toisiaan.”

Prof. Yoshida vastaa useisiin kysymyksiin kehyskuvan avulla, kuten:

  • Miten humanoidit voivat jäljitellä ihmisten liikkeitä?
  • Miten robotit voivat oppia ja simuloida ihmisten käyttäytymistä?
  • Miten robotit voivat vuorovaikuttaa ihmisten kanssa sileästi ja luonnollisesti?

iCPH-kehys

iCPH-kehyksen ensimmäinen osa mitata ihmisten liikkeitä määräämällä eri kehonosien liikkeet. Se myös tallentaa kosketusten järjestyksen, jonka ihminen tekee.

kehys mahdollistaa erilaisten liikkeiden yleisen kuvauksen differentiaaliyhtälöiden avulla, sekä kosketusliikkeen verkon luomisen. Humanoidi voi sitten toimia tämän verkon mukaan.

Koska digitaalinen kaksoiskappale oppii verkon mallipohjaisen ja koneoppimismenetelmän avulla. Nämä kaksi ovat yhdistetty analyysillisen gradientin laskentamenetelmällä, ja jatkuva oppiminen auttaa opettamaan robotti-simulaatiota suorittamaan kosketusjärjestyksen.

iCPH:n kolmas osa täydentää kosketusliikkeen verkkoa datan täydentämisen avulla ennen vektorigrafiikan kvantifiointitekniikan soveltamista. Tämä tekniikka auttaa erottamaan symbolit, jotka ilmaisevat kosketusliikkeen kielen, mahdollistaen kosketusliikkeen luomisen kokemattomissa tilanteissa.

Kaikki tämä tarkoittaa, että robotit voivat tutkia tuntemattomia ympäristöjä vuorovaikuttaen ihmisten kanssa silein liikkein ja monin kosketuksin.

Prof. Yoshida esittää kolme haastetta iCPH:lle, jotka liittyvät yleisiin kuvaajiin, jatkuvaan oppimiseen ja kosketusliikkeen symboliikkaan. iCPH:n toteuttamiseksi on opittava navigoimaan nämä haasteet*.*

“iCPH:n data tullaan julkaisemaan ja käyttämään todellisissa ongelmien ratkaisemiseen sosiaalisten ja teollisten ongelmien ratkaisemiseksi. Humanoidirobotit voivat vapauttaa ihmiset monista tehtävistä, jotka ovat raskaita ja parantaa turvallisuutta, kuten esimerkiksi nostamalla raskaita esineitä ja työskentelemällä vaarallisissa ympäristöissä”, sanoo Prof. Yoshida. ”iCPH voidaan myös käyttää seuraamaan tehtäviä, joita ihmiset suorittavat, ja auttaa ehkäisemään työhön liittyviä vaivoja. Lopulta humanoidit voidaan ohjata etäältä ihmisillä digitaalisten kaksoiskappaleidensa kautta, mikä mahdollistaa humanoidien suorittamisen suuria laitteiden asennuksia ja esineiden kuljettamista.”

Alex McFarland on AI-toimittaja ja kirjailija, joka tutkii viimeisimpiä kehityksiä tekoälyssä. Hän on tehnyt yhteistyötä useiden AI-startup-yritysten ja julkaisujen kanssa maailmanlaajuisesti.