ເຟສບຸກສ້າງວິທີການອາດຈະອະນຸຍາດໃຫ້ຫຸ່ນຍົນ AI ໄປນໍາທາງໂດຍບໍ່ມີແຜນທີ່

ບໍ່ດົນມານີ້ Facebook ໄດ້ສ້າງລະບົບ algorithm ທີ່ເສີມຂະຫຍາຍຄວາມສາມາດຂອງຕົວແທນ AI ໃນການນໍາທາງສະພາບແວດລ້ອມ, ໃຫ້ຕົວແທນກໍານົດເສັ້ນທາງທີ່ສັ້ນທີ່ສຸດໂດຍຜ່ານສະພາບແວດລ້ອມໃຫມ່ໂດຍບໍ່ມີການເຂົ້າເຖິງແຜນທີ່. ໃນຂະນະທີ່ຫຸ່ນຍົນມືຖືໂດຍທົ່ວໄປແລ້ວຈະມີແຜນທີ່ຢູ່ໃນໂຄງການ, algorithm ໃຫມ່ທີ່ Facebook ອອກແບບສາມາດເຮັດໃຫ້ການສ້າງຫຸ່ນຍົນທີ່ສາມາດນໍາທາງສະພາບແວດລ້ອມໄດ້ໂດຍບໍ່ຈໍາເປັນຕ້ອງມີແຜນທີ່.

ອີງຕາມການ ໂພສທີ່ສ້າງໂດຍນັກຄົ້ນຄວ້າເຟສບຸກສິ່ງທ້າທາຍທີ່ສໍາຄັນສໍາລັບການນໍາທາງຫຸ່ນຍົນແມ່ນ endowing ລະບົບ AI ທີ່ມີຄວາມສາມາດໃນການນໍາທາງຜ່ານສະພາບແວດລ້ອມໃຫມ່ແລະໄປເຖິງຈຸດຫມາຍປາຍທາງໂຄງການໂດຍບໍ່ມີການແຜນທີ່. ເພື່ອຮັບມືກັບສິ່ງທ້າທາຍນີ້, Facebook ໄດ້ສ້າງລະບົບການຮຽນຮູ້ເສີມທີ່ແຈກຢາຍໃນທົ່ວນັກຮຽນຫຼາຍຄົນ. ສູດການຄິດໄລ່ໄດ້ຖືກເອີ້ນວ່າການເພີ່ມປະສິດທິພາບນະໂຍບາຍໃກ້ຄຽງແບບກະຈາຍ (DD-PPO). DD-PPO ໄດ້ຖືກມອບໃຫ້ພຽງແຕ່ຂໍ້ມູນເຂັມທິດ, ຂໍ້ມູນ GPS, ແລະການເຂົ້າເຖິງກ້ອງຖ່າຍຮູບ RGB-D, ແຕ່ໄດ້ຖືກລາຍງານວ່າສາມາດນໍາທາງສະພາບແວດລ້ອມ virtual ແລະໄປສູ່ເປົ້າຫມາຍໂດຍບໍ່ມີຂໍ້ມູນແຜນທີ່ໃດໆ.

ອີງຕາມນັກຄົ້ນຄວ້າ, ຕົວແທນໄດ້ຖືກຝຶກອົບຮົມໃນສະພາບແວດລ້ອມ virtual ເຊັ່ນ: ອາຄານຫ້ອງການແລະເຮືອນ. ສູດການຄິດໄລ່ຜົນໄດ້ຮັບແມ່ນສາມາດນໍາທາງສະພາບແວດລ້ອມພາຍໃນເຮືອນຈໍາລອງ, ເລືອກທາງສ້ອມທີ່ຖືກຕ້ອງໃນເສັ້ນທາງ, ແລະຟື້ນຕົວຈາກຄວາມຜິດພາດຢ່າງໄວວາຖ້າມັນເລືອກເສັ້ນທາງຜິດ. ຜົນໄດ້ຮັບຂອງສະພາບແວດລ້ອມ virtual ແມ່ນດີ, ແລະມັນເປັນສິ່ງສໍາຄັນທີ່ຕົວແທນສາມາດນໍາທາງສະພາບແວດລ້ອມທົ່ວໄປເຫຼົ່ານີ້ຢ່າງຫນ້າເຊື່ອຖື, ເພາະວ່າໃນໂລກທີ່ແທ້ຈິງຕົວແທນສາມາດທໍາລາຍຕົວມັນເອງຫຼືສິ່ງອ້ອມຂ້າງຂອງມັນຖ້າມັນລົ້ມເຫລວ.

ທີມງານຄົ້ນຄ້ວາຂອງເຟສບຸກໄດ້ອະທິບາຍວ່າຈຸດສຸມຂອງໂຄງການຂອງພວກເຂົາແມ່ນຫຸ່ນຍົນຊ່ວຍເຫຼືອ, ຍ້ອນວ່າການນໍາທາງທີ່ເຫມາະສົມ, ເຊື່ອຖືໄດ້ສໍາລັບຫຸ່ນຍົນຊ່ວຍເຫຼືອແລະຕົວແທນ AI ເປັນສິ່ງຈໍາເປັນ. ທີມງານຄົ້ນຄວ້າໄດ້ອະທິບາຍວ່າການນໍາທາງແມ່ນມີຄວາມຈໍາເປັນສໍາລັບລະບົບ AI ຊ່ວຍເຫຼືອທີ່ຫລາກຫລາຍ, ຈາກຫຸ່ນຍົນທີ່ປະຕິບັດຫນ້າວຽກອ້ອມເຮືອນໄປຫາອຸປະກອນທີ່ຂັບເຄື່ອນດ້ວຍ AI ທີ່ຊ່ວຍຄົນພິການທາງສາຍຕາ. ທີມງານຄົ້ນຄ້ວາຍັງໄດ້ໂຕ້ຖຽງວ່າຜູ້ສ້າງ AI ຄວນຍ້າຍອອກໄປຈາກການນໍາໃຊ້ແຜນທີ່ໂດຍທົ່ວໄປ, ຍ້ອນວ່າແຜນທີ່ມັກຈະລ້າສະໄຫມທັນທີທີ່ມັນຖືກແຕ້ມ, ແລະໃນສະພາບແວດລ້ອມຂອງໂລກທີ່ແທ້ຈິງ, ພວກມັນມີການປ່ຽນແປງແລະພັດທະນາຢ່າງຕໍ່ເນື່ອງ.

ດັ່ງທີ່ TechExplore ລາຍງານ, ທີມງານຄົ້ນຄ້ວາເຟສບຸກໄດ້ນໍາໃຊ້ຂອງ open-source AI Habitat ແພລະຕະຟອມ, ເຊິ່ງເຮັດໃຫ້ພວກເຂົາສາມາດຝຶກອົບຮົມຕົວແທນທີ່ເປັນຕົວຕົນໃນສະພາບແວດລ້ອມ 3-D photorealistic ໃນແບບທີ່ທັນເວລາ. Haven ໃຫ້ການເຂົ້າເຖິງຊຸດຂອງສະພາບແວດລ້ອມຈໍາລອງ, ແລະສະພາບແວດລ້ອມເຫຼົ່ານີ້ແມ່ນຈິງພຽງພໍທີ່ຂໍ້ມູນທີ່ສ້າງຂື້ນໂດຍຕົວແບບ AI ສາມາດຖືກນໍາໃຊ້ກັບກໍລະນີທີ່ແທ້ຈິງ. Douglas Heaven ໃນ MIT Technology Review ໄດ້ອະທິບາຍເຖິງຄວາມເຂັ້ມຂຸ້ນຂອງການຝຶກອົບຮົມແບບຈໍາລອງ:

"ເຟສບຸກໄດ້ຝຶກອົບຮົມ bots ເປັນເວລາສາມມື້ພາຍໃນ AI Habitat, ການຈໍາລອງແບບ virtual ທີ່ແທ້ຈິງຂອງພາຍໃນຂອງອາຄານ, ມີຫ້ອງແລະແລວທາງແລະເຟີນີເຈີ. ​ໃນ​ເວລາ​ນັ້ນ​ເຂົາ​ເຈົ້າ​ໄດ້​ກ້າວ​ໄປ​ເຖິງ 2.5 ຕື້​ບາດ—​ເທົ່າ​ກັບ 80 ປີ​ຂອງ​ປະສົບ​ການ​ຂອງ​ມະນຸດ.”

ຍ້ອນ​ຄວາມ​ສັບສົນ​ຂອງ​ວຽກ​ງານ​ການ​ຝຶກ​ອົບຮົມ, ນັກ​ຄົ້ນ​ຄ້ວາ​ລາຍ​ງານ​ວ່າ​ໄດ້​ກັກ​ຕົວ​ຜູ້​ຮຽນ​ທີ່​ອ່ອນ​ແອ ​ໃນ​ຂະນະ​ທີ່​ການ​ຝຶກ​ອົບຮົມ​ຍັງ​ດຳ​ເນີນ​ຕໍ່​ໄປ​ເພື່ອ​ເລັ່ງ​ເວລາ​ຝຶກ​ອົບຮົມ. ທີມງານຄົ້ນຄ້ວາຫວັງວ່າຈະເອົາແບບຈໍາລອງໃນປະຈຸບັນຂອງພວກເຂົາຕື່ມອີກແລະສືບຕໍ່ສ້າງ algorithms ທີ່ສາມາດນໍາທາງສະພາບແວດລ້ອມທີ່ສັບສົນໂດຍໃຊ້ພຽງແຕ່ຂໍ້ມູນກ້ອງຖ່າຍຮູບ, ລຸດຂໍ້ມູນ GPS ແລະເຂັມທິດ. ເຫດຜົນສໍາລັບການນີ້ແມ່ນວ່າຂໍ້ມູນ GPS ແລະຂໍ້ມູນເຂັມທິດມັກຈະຖືກຖິ້ມອອກຈາກເຮືອນ, ມີສຽງດັງເກີນໄປ, ຫຼືພຽງແຕ່ບໍ່ສາມາດໃຊ້ໄດ້.

ໃນຂະນະທີ່ເທັກໂນໂລຍີດັ່ງກ່າວຍັງບໍ່ທັນໄດ້ທົດສອບຢູ່ກາງແຈ້ງ ແລະມີບັນຫາໃນການນຳທາງໃນໄລຍະທາງໄກ, ການພັດທະນາຂອງລະບົບ algorithm ເປັນບາດກ້າວທີ່ສຳຄັນໃນການພັດທະນາຫຸ່ນຍົນລຸ້ນຕໍ່ໄປ, ໂດຍສະເພາະແມ່ນ drones ຈັດສົ່ງ, ແລະຫຸ່ນຍົນທີ່ເຮັດວຽກຢູ່ໃນຫ້ອງການ ຫຼືບ້ານເຮືອນ.