Robot Dapat Belajar Tugas Rumit Dari Beberapa Demonstrasi

Dalam salah satu perkembangan terbaru di bidang robotika, peneliti di University of Southern California (USC) telah mengembangkan sistem di mana robot dapat belajar tugas rumit dengan beberapa demonstrasi. Lebih mengesankan lagi, beberapa demonstrasi dapat tidak sempurna.

Penelitian ini dipresentasikan pada Konferensi Pembelajaran Robot (CoRL) pada 18 November, dengan judul “Pembelajaran dari Demonstrasi Menggunakan Logika Temporal Sinyal.”

Sistem

Kualitas setiap demonstrasi diukur sehingga sistem dapat belajar dari keberhasilan dan kegagalan. Tidak seperti metode saat ini, yang memerlukan setidaknya 100 demonstrasi untuk mengajarkan tugas tertentu, sistem baru ini hanya memerlukan beberapa demonstrasi. Dengan cara yang intuitif, cara robot belajar ini mirip dengan cara manusia belajar dari satu sama lain. Misalnya, manusia menonton dan belajar dari orang lain yang menyelesaikan tugas dengan sukses atau tidak sempurna.

Aniruddh Puranic adalah penulis utama penelitian dan mahasiswa Ph.D. di bidang ilmu komputer di USC Viterbi School of Engineering.

“Banyak sistem pembelajaran mesin dan pembelajaran penguatan memerlukan sejumlah besar data dan ratusan demonstrasi – Anda perlu manusia untuk mendemonstrasikan berulang-ulang, yang tidak memungkinkan,” kata Puranic.

“Juga, kebanyakan orang tidak memiliki pengetahuan pemrograman untuk secara eksplisit menyatakan apa yang robot perlu lakukan, dan manusia tidak mungkin mendemonstrasikan semua yang robot perlu ketahui,” ia melanjutkan. “Bagaimana jika robot menghadapi sesuatu yang belum pernah dilihat sebelumnya? Ini adalah tantangan kunci.”

Peneliti menggunakan “logika temporal sinyal” atau STL untuk menentukan kualitas demonstrasi, menilainya secara berurutan dan membuat hadiah bawaan.