Человеко-ориентированная система ИИ обещает более быстрое обучение роботов в новых средах

В будущей эпохе умных домов приобретение робота для автоматизации домашних задач не будет редкостью. Однако разочарование может наступить, когда эти автоматические помощники не смогут выполнить простые задачи. Вступает Анди Пенг, ученый из департамента электротехники и компьютерных наук MIT, который, вместе со своей командой, создает путь для улучшения кривой обучения роботов.

Пенг и ее междисциплинарная команда исследователей разработали человеко-роботическую интерактивную систему. Основная особенность этой системы заключается в ее способности генерировать контрфактические повествования, которые указывают на изменения, необходимые для успешного выполнения робота задачи.

Чтобы проиллюстрировать, когда робот испытывает трудности с распознаванием необычно окрашенной кружки, система предлагает альтернативные ситуации, в которых робот смог бы успешно выполнить задачу, возможно, если кружка была бы более распространенного цвета. Эти контрфактические объяснения, в сочетании с обратной связью человека, оптимизируют процесс генерации новых данных для тонкой настройки робота.

Пенг объясняет: “Тонкая настройка – это процесс оптимизации существующей модели машинного обучения, которая уже профессиональна в одной задаче, для выполнения второй, аналогичной задачи.”

Прорыв в эффективности и производительности

Когда система была протестирована, она показала впечатляющие результаты. Роботы, обученные этим методом, продемонстрировали быстрые возможности обучения, а также сократили время, необходимое для обучения от их человеческих учителей. Если эта инновационная система будет успешно реализована в большом масштабе, она может помочь роботам быстро адаптироваться к новым условиям, минимизируя необходимость для пользователей иметь продвинутые технические знания. Эта технология может стать ключом к созданию роботов общего назначения, которые могут эффективно помогать пожилым или инвалидам.

Пенг считает, “Конечная цель – дать роботу возможность учиться и функционировать на уровне, подобном человеческому абстрактному уровню.”

Революционизация обучения роботов

Основным препятствием в обучении роботов является “сдвиг распределения”, термин, используемый для описания ситуации, когда робот встречает объекты или пространства, с которыми он не был знаком во время своего обучения. Исследователи, чтобы решить эту проблему, реализовали метод, известный как “обучение подражанием”. Но у него были свои ограничения.

“Представьте, что вам нужно продемонстрировать 30 000 кружек, чтобы робот мог подобрать любую кружку. Вместо этого я предпочитаю продемонстрировать одну кружку и научить робота понимать, что он может подобрать кружку любого цвета”, – говорит Пенг.

В ответ на это система команды определяет, какие атрибуты объекта являются важными для задачи (например, форма кружки) и какие не являются (например, цвет кружки). Вооружившись этой информацией, она генерирует синтетические данные, изменяя “не важные” визуальные элементы, тем самым оптимизируя процесс обучения робота.

Соединение человеческого рассуждения с роботической логикой

Чтобы оценить эффективность этой системы, исследователи провели тест с участием человеческих пользователей. Участникам было предложено определить, улучшают ли контрфактические объяснения системы их понимание выполнения задачи роботом.

Пенг говорит: “Мы обнаружили, что люди от природы способны к такому типу контрфактического рассуждения. Это контрфактический элемент позволяет нам переводить человеческое рассуждение в роботическую логику без проблем”.

В ходе нескольких симуляций робот последовательно учился быстрее с их подходом, превосходя другие методы и требуя меньше демонстраций от пользователей.

В будущем команда планирует реализовать эту систему на реальных роботах и работать над сокращением времени генерации данных с помощью моделей машинного обучения. Этот прорывной подход имеет потенциал изменить траекторию обучения роботов, открывая путь к будущему, где роботы гармонично сосуществуют в нашей повседневной жизни.