Facebook oppretter metode kan tillate AI-roboter å navigere uten kart

Facebook har nylig laget en algoritme som forbedrer en AI-agents evne til å navigere i et miljø, og lar agenten bestemme den korteste ruten gjennom nye miljøer uten tilgang til et kart. Mens mobile roboter vanligvis har et kart programmert inn i seg, kan den nye algoritmen som Facebook utviklet, muliggjøre opprettelsen av roboter som kan navigere i miljøer uten behov for kart.

Ifølge en innlegg laget av Facebook-forskere, er en stor utfordring for robotnavigasjon å gi AI-systemer muligheten til å navigere gjennom nye miljøer og nå programmerte destinasjoner uten kart. For å takle denne utfordringen opprettet Facebook en forsterkende læringsalgoritme fordelt på flere elever. Algoritmen ble kalt desentralisert distribuert proksimal policyoptimalisering (DD-PPO). DD-PPO fikk kun kompassdata, GPS-data og tilgang til et RGB-D-kamera, men var angivelig i stand til å navigere i et virtuelt miljø og komme til et mål uten kartdata.

Ifølge forskerne ble agentene opplært i virtuelle miljøer som kontorbygg og hus. Den resulterende algoritmen var i stand til å navigere i et simulert innendørsmiljø, velge riktig gaffel i en sti, og raskt komme seg etter feil hvis den valgte feil sti. Resultatene i det virtuelle miljøet var lovende, og det er viktig at agentene er i stand til pålitelig å navigere i disse vanlige miljøene, ettersom en agent i den virkelige verden kan skade seg selv eller omgivelsene hvis den mislykkes.

Facebook-forskerteamet forklarte at fokuset i prosjektet deres var hjelperoboter, da riktig, pålitelig navigasjon for hjelperoboter og AI-agenter er avgjørende. Forskerteamet forklarte at navigasjon er avgjørende for et bredt utvalg av assisterende AI-systemer, fra roboter som utfører oppgaver rundt i huset til AI-drevne enheter som hjelper mennesker med synshemming. Forskerteamet argumenterte også for at AI-skapere burde bevege seg bort fra kartbruk generelt, ettersom kart ofte er utdaterte så snart de er tegnet, og i de virkelige miljøene er de i konstant endring og utvikling.

Som TechExplore rapporterte, benyttet Facebook-forskerteamet seg av åpen kildekode AI Habitat plattform, som gjorde dem i stand til å trene legemliggjorte agenter i fotorealistiske 3D-miljøer i tide. Har gitt tilgang til et sett med simulerte miljøer, og disse miljøene er realistiske nok til at dataene generert av AI-modellen kan brukes i virkelige tilfeller. Douglas himmelen inn MIT Technology Review forklarte intensiteten av modellens trening:

«Facebook trente roboter i tre dager inne i AI Habitat, en fotorealistisk virtuell mock-up av interiøret i en bygning, med rom og korridorer og møbler. På den tiden tok de 2.5 milliarder skritt – tilsvarende 80 års menneskelig erfaring.»

På grunn av den rene kompleksiteten til treningsoppgaven, skal forskerne ha slaktet de svake elevene mens treningen fortsatte for å fremskynde treningstiden. Forskerteamet håper å ta sin nåværende modell videre og fortsette å lage algoritmer som kan navigere i komplekse miljøer med kun kameradata, og slippe GPS-data og kompass. Grunnen til dette er at GPS-data og kompassdata ofte kan kastes av innendørs, være for støyende eller bare være utilgjengelige.

Mens teknologien ennå ikke er testet utendørs og har problemer med å navigere over lange avstander, er utviklingen av algoritmen et viktig skritt i utviklingen av neste generasjon roboter, spesielt leveringsdroner, og roboter som opererer på kontorer eller i hjemmet.