Robotica en fysieke AI

Facebook Creëert Methode die het Mogelijk Maakt voor AI-Robots om Zich te Bewegen Zonder Kaart

mm
Voeg Unite.AI toe aan je voorkeursbronnen op Google

Facebook (META ) heeft onlangs een algoritme ontwikkeld dat de mogelijkheid van een AI-agent om zich in een omgeving te bewegen, verhoogt, waardoor de agent de kortste route door nieuwe omgevingen kan bepalen zonder toegang tot een kaart. Terwijl mobiele robots meestal een kaart hebben die in hen is geprogrammeerd, kan het nieuwe algoritme dat Facebook heeft ontwikkeld, het mogelijk maken om robots te creëren die zich in omgevingen kunnen bewegen zonder de behoefte aan kaarten.

Volgens een bericht van Facebook-onderzoekers, is een van de belangrijkste uitdagingen voor robotnavigatie het geven van AI-systemen de mogelijkheid om door onbekende omgevingen te navigeren en aankomstbestemmingen te bereiken zonder kaart. Om deze uitdaging aan te pakken, heeft Facebook een versterkingsleeralgoritme ontwikkeld dat is verdeeld over meerdere leerlingen. Het algoritme werd decentraal gedistribueerd proximaal beleidsoptimalisatie (DD-PPO) genoemd. DD-PPO kreeg alleen kompasgegevens, GPS-gegevens en toegang tot een RGB-D-camera, maar was in staat om een virtuele omgeving te navigeren en een doel te bereiken zonder enige kaartgegevens.

Volgens de onderzoekers werden de agenten getraind in virtuele omgevingen zoals kantoorgebouwen en huizen. Het resulterende algoritme was in staat om een gesimuleerde binnenomgeving te navigeren, de juiste splitsing in een pad te kiezen en snel te herstellen van fouten als het de verkeerde route koos. De resultaten in de virtuele omgeving waren veelbelovend, en het is belangrijk dat de agenten in staat zijn om betrouwbaar deze veelvoorkomende omgevingen te navigeren, aangezien een agent in de echte wereld zichzelf of zijn omgeving kan beschadigen als het faalt.

Het Facebook-onderzoeksteam legde uit dat de focus van hun project was op ondersteunende robots, aangezien een juiste, betrouwbare navigatie voor ondersteunende robots en AI-agenten essentieel is. Het onderzoeksteam legde uit dat navigatie essentieel is voor een breed scala aan ondersteunende AI-systemen, van robots die taken in en rond het huis uitvoeren tot AI-gestuurde apparaten die mensen met visuele beperkingen helpen. Het onderzoeksteam betoogde ook dat AI-ontwikkelaars moeten afstappen van het gebruik van kaarten in het algemeen, aangezien kaarten meestal verouderd zijn zodra ze zijn getekend, en in de echte wereld constant veranderen en evolueren.

Zoals TechExplore rapporteerde, maakte het Facebook-onderzoeksteam gebruik van het open-source AI Habitat-platform, waardoor ze in staat waren om geïncorporeerde agenten te trainen in fotorealistische 3D-omgevingen in een tijdige wijze. Haven bood toegang tot een set gesimuleerde omgevingen, en deze omgevingen zijn realistisch genoeg dat de gegevens die zijn gegenereerd door het AI-model, kunnen worden toegepast op echte wereldgevallen. Douglas Heaven in MIT Technology Review legde de intensiteit van de training van het model uit:

“Facebook trainde bots gedurende drie dagen in AI Habitat, een fotorealistische virtuele mock-up van het interieur van een gebouw, met kamers en gangen en meubels. In die tijd namen ze 2,5 miljard stappen – het equivalent van 80 jaar menselijke ervaring.”

Vanwege de grote complexiteit van de trainingsopdracht, hebben de onderzoekers volgens rapporten de zwakke leerlingen verwijderd terwijl de training werd voortgezet om de trainingsduur te versnellen. Het onderzoeksteam hoopt om hun huidige model verder te ontwikkelen en om algoritmes te creëren die complexe omgevingen kunnen navigeren met alleen cameragegevens, waarbij GPS-gegevens en kompasgegevens worden verwijderd. De reden hiervoor is dat GPS-gegevens en kompasgegevens vaak binnen kunnen worden verstoord, te lawaaierig kunnen zijn, of gewoon niet beschikbaar kunnen zijn.

Hoewel de technologie nog niet is getest in de buitenlucht en moeite heeft met navigeren over lange afstanden, is de ontwikkeling van het algoritme een belangrijke stap in de ontwikkeling van de volgende generatie robots, met name bezorgdrones en robots die opereren in kantoren of huizen.

Blogger en programmeur met specialisaties in Machine Learning en Deep Learning onderwerpen. Daniel hoopt anderen te helpen de kracht van AI te gebruiken voor het sociale goede.