Mänskligt vägledande AI-ramverk lovar snabbare robotinlärning i nya miljöer

I framtiden kommer det att vara vanligt att ha en robot för att effektivisera hushållssysslor. Men frustration kan uppstå när dessa automatiserade hjälpmedel inte kan utföra enkla uppgifter. Andi Peng, en forskare från MIT:s avdelning för elektroteknik och datavetenskap, har tillsammans med sitt team tagit fram en metod för att förbättra robotarnas inlärningskurva.

Peng och hennes tvärvetenskapliga team av forskare har utvecklat ett mänskligt-robotiskt interaktivt ramverk. Detta system kan generera kontrafaktiska berättelser som pekar ut de förändringar som behövs för att roboten ska kunna utföra en uppgift framgångsrikt.

Till exempel, när en robot har svårt att känna igen en märkligt målad kopp, erbjuder systemet alternativa situationer där roboten skulle ha lyckats, kanske om koppen var av en mer vanlig färg. Dessa kontrafaktiska förklaringar, tillsammans med mänsklig feedback, strömlinjeformar processen för att generera ny data för finjustering av roboten.

Peng förklarar, “Finjustering är processen att optimera en befintlig maskinlärningsmodell som redan är skicklig på en uppgift, för att ermöglica den att utföra en andra, analog uppgift.”

Ett språng i effektivitet och prestanda

När systemet testades visade det imponerande resultat. Robotar som tränats med denna metod visade snabba inlärningsförmågor, samtidigt som de minskade tidsåtagandet från sina mänskliga lärare. Om detta innovativa ramverk kan implementeras på en större skala, kan det hjälpa robotar att anpassa sig snabbt till nya omgivningar, vilket minskar behovet av att användarna har avancerad teknisk kunskap. Denna teknik kan vara nyckeln till att skapa allmänna robotar som kan assistera äldre eller funktionshindrade personer effektivt.

Peng tror, “Det slutliga målet är att ge en robot förmågan att lära och fungera på ett mänskligt abstrakt nivå.”

Revolutionerande robotträning

Det primära hindret i robotinlärning är “fördelningsförändring”, en term som används för att förklara en situation när en robot möter föremål eller utrymmen som den inte har exponerats för under sin träningsperiod. Forskarna har för att lösa detta problem implementerat en metod som kallas “imitationsinlärning”. Men den hade sina begränsningar.

“Tänk dig att du måste demonstrera med 30 000 koppar för att en robot ska kunna plocka upp vilken kopp som helst. Istället föredrar jag att demonstrera med bara en kopp och lära roboten att förstå att den kan plocka upp en kopp av vilken färg som helst”, säger Peng.

Som svar på detta identifierar teamets system vilka attribut av föremålet som är viktiga för uppgiften (som formen på en kopp) och vilka som inte är det (som färgen på koppen). Med denna information genererar det syntetisk data, ändrar de “icke-viktiga” visuella elementen, och optimerar därmed robotens inlärningsprocess.

Anslutning av mänskligt resonemang med robotisk logik

För att mäta effektiviteten av detta ramverk genomförde forskarna en test med mänskliga användare. Deltagarna fick frågan om systemets kontrafaktiska förklaringar förbättrade deras förståelse av robotens uppgiftsprestation.

Peng säger, “Vi fann att människor är medfött skickliga på denna form av kontrafaktiskt resonemang. Det är detta kontrafaktiska element som möjliggör att vi kan översätta mänskligt resonemang till robotisk logik utan problem.”

I flera simuleringar lärde sig roboten konsekvent snabbare med deras tillvägagångssätt, och presterade bättre än andra metoder och behövde färre demonstrationer från användarna.

I framtiden planerar teamet att implementera detta ramverk på riktiga robotar och arbeta på att förkorta datagenereringstiden via generativa maskinlärningsmodeller. Detta banbrytande tillvägagångssätt har potentialen att förändra robotinlärningsbanan, och bana väg för en framtid där robotar kan samexistera harmoniskt i vår vardag.