Facebook Membuat Metode yang Memungkinkan Robot AI Menavigasi Tanpa Peta

Facebook (META ) baru-baru ini menciptakan algoritma yang meningkatkan kemampuan agen AI untuk menavigasi lingkungan, memungkinkan agen menentukan rute terpendek melalui lingkungan baru tanpa akses ke peta. Sementara robot mobile biasanya memiliki peta yang diprogram, algoritma baru yang dirancang Facebook dapat memungkinkan pembuatan robot yang dapat menavigasi lingkungan tanpa memerlukan peta.

Menurut postingan yang dibuat oleh peneliti Facebook, tantangan besar untuk navigasi robot adalah memberikan kemampuan pada sistem AI untuk menavigasi melalui lingkungan baru dan mencapai tujuan yang diprogram tanpa peta. Untuk mengatasi tantangan ini, Facebook menciptakan algoritma pembelajaran penguatan yang didistribusikan di seluruh beberapa pembelajar. Algoritma ini disebut optimasi kebijakan proximal terdistribusi desentralisasi (DD-PPO). DD-PPO hanya diberi data kompas, data GPS, dan akses ke kamera RGB-D, tetapi dilaporkan dapat menavigasi lingkungan virtual dan mencapai tujuan tanpa data peta.

Menurut peneliti, agen-agen tersebut dilatih dalam lingkungan virtual seperti gedung kantor dan rumah. Algoritma yang dihasilkan mampu menavigasi lingkungan indoor yang disimulasikan, memilih cabang jalur yang benar, dan dengan cepat pulih dari kesalahan jika memilih jalur yang salah. Hasil lingkungan virtual sangat menjanjikan, dan penting bahwa agen-agen tersebut dapat menavigasi lingkungan yang umum dengan andal, karena di dunia nyata agen dapat merusak diri sendiri atau lingkungannya jika gagal.

Tim peneliti Facebook menjelaskan bahwa fokus proyek mereka adalah robot asisten, karena navigasi yang tepat dan andal sangat penting untuk robot asisten dan agen AI. Tim peneliti juga menjelaskan bahwa navigasi sangat penting untuk berbagai sistem AI asisten, dari robot yang melakukan tugas di sekitar rumah hingga perangkat AI yang membantu orang dengan gangguan penglihatan. Tim peneliti juga berpendapat bahwa pembuat AI harus meninggalkan penggunaan peta secara umum, karena peta sering kali sudah usang segera setelah dibuat, dan di lingkungan nyata, peta selalu berubah dan berkembang.

Seperti yang dilaporkan oleh TechExplore, tim peneliti Facebook menggunakan platform AI Habitat yang open-source, yang memungkinkan mereka melatih agen yang tersemat dalam lingkungan 3-D yang fotorealistik dengan cepat. Haven memberikan akses ke sekumpulan lingkungan yang disimulasikan, dan lingkungan tersebut cukup realistis sehingga data yang dihasilkan oleh model AI dapat diterapkan pada kasus dunia nyata. Douglas Heaven di MIT Technology Review menjelaskan intensitas pelatihan model:

“Facebook melatih bot selama tiga hari di dalam AI Habitat, sebuah lingkungan virtual yang fotorealistik dari interior bangunan, dengan ruangan dan koridor dan perabotan. Dalam waktu itu mereka mengambil 2,5 miliar langkah – setara dengan 80 tahun pengalaman manusia.”

Karena kompleksitas tugas pelatihan yang sangat tinggi, peneliti dilaporkan membuang pembelajar yang lemah saat pelatihan berlanjut untuk mempercepat waktu pelatihan. Tim peneliti berharap dapat mengembangkan model mereka lebih lanjut dan menciptakan algoritma yang dapat menavigasi lingkungan yang kompleks menggunakan hanya data kamera, menghilangkan data GPS dan kompas. Alasannya adalah data GPS dan kompas sering kali dapat dipengaruhi di dalam ruangan, terlalu berisik, atau tidak tersedia.

Meskipun teknologi ini belum diuji di luar ruangan dan memiliki kesulitan menavigasi jarak jauh, pengembangan algoritma ini adalah langkah penting dalam pengembangan generasi berikutnya robot, terutama drone pengiriman, dan robot yang beroperasi di kantor atau rumah.