페이스북, 지도 없이 로봇이 환경을 탐색할 수 있는 방법 개발

페이스북은 최근에 환경을 탐색하는 AI 에이전트의 능력을 향상시키는 알고리즘을 개발했습니다. 이 알고리즘을 사용하면 에이전트가 지도 없이 새로운 환경에서 최단 경로를 찾을 수 있습니다. 일반적으로 모바일 로봇은 지도 프로그램이 내장되어 있지만, 페이스북이 설계한 새로운 알고리즘을 사용하면 지도 없이 환경을 탐색할 수 있는 로봇을 만들 수 있습니다.

페이스북 연구원들이 작성한 포스트에 따르면, 로봇 탐색의 주요 도전은 AI 시스템에 새로운 환경을 탐색하고 지도 없이 목적지에 도달하는 능력을 부여하는 것입니다. 이 도전을 극복하기 위해 페이스북은 다중 학습자에 분산된 강화 학습 알고리즘을 개발했습니다. 이 알고리즘은 분산된 근접 정책 최적화(DD-PPO)라고呼ば습니다. DD-PPO는 나침반 데이터, GPS 데이터, 및 RGB-D 카메라에 대한 액세스만 제공되었지만, 지도 데이터 없이 가상 환경을 탐색하고 목표에 도달하는 데 성공했습니다.

연구원들은 에이전트가 가상 환경에서 훈련되었다고 설명했습니다. 훈련된 결과는 내부 환경을 시뮬레이션하고, 올바른 경로를 선택하고, 빠르게 오류에서 회복하는 데 성공했습니다. 가상 환경의 결과는 유망했으며, 에이전트가 실-world에서 신뢰성 있게 탐색할 수 있는 것은 매우 중요합니다. 에이전트가 실패하면 자신이나 주변 환경을 손상시킬 수 있기 때문입니다.

페이스북 연구 팀은 프로젝트의 초점이 보조 로봇이라고 설명했습니다. 보조 로봇과 AI 에이전트의 경우, 적절한 탐색은 필수적입니다. 연구 팀은 탐색이 다양한 보조 AI 시스템에 필수적이라고 주장했습니다. 이는 집에서 작업을 수행하는 로봇부터 시각 장애인들을 도와주는 AI 장치에 이르기까지 다양한 시스템을 포함합니다. 연구 팀은 또한 지도 사용을 일반적으로 포기해야 한다고 주장했습니다. 지도는 그들이 그려질 때 이미 구식이며, 실제 환경에서는 끊임없이 변경되고 진화하기 때문입니다.

TechExplore의 보고서에 따르면, 페이스북 연구 팀은 photorealistic 3-D 환경에서 구현된 에이전트를 훈련할 수 있는 오픈 소스 AI 하비타트 플랫폼을 사용했습니다. 헤븐은 시뮬레이션 환경에 대한 액세스를 제공했으며, 이러한 환경은 실제 경우에 적용할 수 있을 만큼 현실적입니다. Douglas Heaven의 MIT 테크놀로지 리뷰는 모델의 훈련 강도를 설명했습니다.

“페이스북은 3일 동안 AI 하비타트 내에서 로봇을 훈련시켰습니다. AI 하비타트는 건물 내부의 사진 실루엣 가상 모의입니다. 그期间에 로봇은 2.5억 번의 단계를 수행했습니다. 이는 80년의 인간 경험에相当합니다.”

훈련 작업의 엄청난 복잡성으로 인해, 연구원들은 훈련이 진행됨에 따라 약한 학습자를 제거하여 훈련 시간을 단축했습니다. 연구 팀은 현재 모델을さらに 발전시키고, 카메라 데이터만 사용하여 복잡한 환경을 탐색할 수 있는 알고리즘을 만들고자 합니다. 이유는 GPS 데이터와 나침반 데이터가 실내에서 종종 방해를 받거나, 너무 시끄럽거나, 사용할 수 없기 때문입니다.

기술이 아직 실외에서 테스트되지 않았으며, 장거리 탐색에 어려움이 있지만, 알고리즘의 개발은 다음 세대의 로봇 개발에서 중요한 단계입니다. 특히, 배달 드론과 사무실 또는 집에서 작동하는 로봇이 포함됩니다.