Menneske-styrt AI-ramme lover raskere robotlæring i nye miljøer

I fremtiden med smarte hjem, vil det ikke være uvanlig å anskaffe en robot for å strømlinje huslige oppgaver. Likevel kan frustrasjon innsette når disse automatiserte hjelpere ikke klarer å utføre enkle oppgaver. Det er her Andi Peng, en forsker fra MIT’s elektro- og datateknologiavdeling, kommer inn i bildet. Hun og hennes interdisiplinære team av forskere utvikler en metode for å forbedre læringskurven til roboter.

Peng og hennes team har banebrytende arbeid med en menneske-robot interaktiv ramme. Høydepunktet i dette systemet er evnen til å generere kontrafaktiske fortellinger som peker på endringene som er nødvendige for at roboten skal kunne utføre en oppgave suksessfullt.

For å illustrere, hvis en robot sliter med å gjenkjenne en merkelig malt kopp, tilbyr systemet alternative situasjoner hvor roboten ville ha lykkes, kanskje hvis koppen var av en mer vanlig farge. Disse kontrafaktiske forklaringer kombinert med menneskelig tilbakemelding strømlinjer prosessen med å generere ny data for finjustering av roboten.

Peng forklarer, “Finjustering er prosessen med å optimalisere en eksisterende maskinlæringsmodell som allerede er dyktig i en oppgave, slik at den kan utføre en annen, analog oppgave.”

Et sprang i effisiens og ytelse

Når systemet ble testet, viste det imponerende resultater. Robotene som ble trent med denne metoden viste rask lærings-evne, samtidig som de reduserte tidskommittmentet fra deres menneskelige lærere. Hvis denne innovative rammen blir implementert på en større skala, kan den hjelpe roboter til å tilpasse seg raskt til nye omgivelser, og minimere behovet for at brukerne har avansert teknisk kunnskap. Denne teknologien kan være nøkkelen til å låse opp generell- formål-roboter som kan assistere eldre eller funksjonshemmede personer effektivt.

Peng mener, “Sluttmålet er å gi en robot evnen til å lære og fungere på et menneske-lignende abstrakt nivå.”

Revolutionere robot-trening

Hovedhindringen i robotlæring er ‘distribusjons-skift’, en term som brukes til å forklare en situasjon hvor en robot møter objekter eller rom som den ikke har vært utsatt for under sin treningsperiode. Forskerne, for å løse dette problemet, implementerte en metode kjent som ‘imitasjonslæring’. Men den hadde sine begrensninger.

“Tenk deg å demonstrere med 30 000 kopper for at en robot skal kunne plukke opp en kopp. Jeg foretrekker å demonstrere med bare en kopp og lære roboten å forstå at den kan plukke opp en kopp av hvilken som helst farge,” sier Peng.

Som svar på dette, identifiserer teamets system hvilke attributter av objektet som er essensielle for oppgaven (som formen på en kopp) og hvilke som ikke er (som fargen på koppen). Utstyrt med denne informasjonen, genererer det syntetisk data, endrer de “ikke-essensielle” visuelle elementene, og optimaliserer dermed robotens læringsprosess.

Koble menneskelig resonnering med robotlogikk

For å måle effikasiteten av denne rammen, gjennomførte forskerne en test som involverte menneskelige brukere. Deltagerne ble bedt om å si om systemets kontrafaktiske forklaringer forbedret deres forståelse av robotens oppgave-utførelse.

Peng sier, “Vi fant at mennesker er naturlig dyktige i denne formen for kontrafaktisk resonnering. Det er dette kontrafaktiske elementet som lar oss oversette menneskelig resonnering til robotlogikk uten problemer.”

I løpet av flere simuleringer, lærte roboten konsistent raskere med deres tilnærming, og overgikk andre teknikker, og trengte færre demonstrasjoner fra brukerne.

Ser fremover, planlegger teamet å implementere denne rammen på faktiske roboter og arbeide med å forkorte datagenereringstiden via generative maskinlæringsmodeller. Denne banebrytende tilnærmingen har potensialet til å transformere robotlæringskurven, og åpne veien for en fremtid hvor roboter harmonisk samexisterer i vårt daglige liv.