วิธีการเรียนรู้ที่ช่วยให้หุ่นยนต์เรียนรู้จากการดูมนุษย์

นักวิจัยจากมหาวิทยาลัยคาร์เนกีเมลลอน (CMU) ได้พัฒนาวิธีการเรียนรู้ใหม่ที่ช่วยให้หุ่นยนต์สามารถเรียนรู้โดยตรงจากวิดีโอการโต้ตอบของมนุษย์และสรุปข้อมูลเพื่อใช้ในการทำงานใหม่ๆ ซึ่งช่วยให้หุ่นยนต์เรียนรู้วิธีการทำงานบ้าน วิธีการเรียนรู้นี้เรียกว่า WHIRL ซึ่งย่อมาจาก In-the-wild Human Imitating Robot Learning และช่วยให้หุ่นยนต์สามารถสังเกตการณ์งานและรวบรวมข้อมูลวิดีโอเพื่อเรียนรู้วิธีการทำงานเองในอนาคต

การวิจัยนี้ได้นำเสนอที่การประชุม Robotics: Science and Systems ในนิวยอร์ก

การเรียนรู้โดยการจำลอง

ชิขาร์ บาห์ล เป็นนักศึกษาระดับ博士ที่สถาบันหุ่นยนต์ (RI) ในมหาวิทยาลัยคาร์เนกีเมลลอน สchool of Computer Science

“การเรียนรู้โดยการจำลองเป็นวิธีการเรียนรู้ที่ดี” บาห์ลกล่าว “การให้หุ่นยนต์เรียนรู้โดยตรงจากการดูมนุษย์ยังคงเป็นปัญหาที่ไม่ได้รับการแก้ไขในด้านนี้ แต่งานนี้เป็นก้าวสำคัญในการทำให้หุ่นยนต์สามารถเรียนรู้ได้”

บาห์ลทำงานร่วมกับ Deepak Pathak และ Abhinav Gupta ซึ่งเป็นสมาชิกคณะกรรมการของ RI ทีมงานได้เพิ่มกล้องและซอฟต์แวร์เข้าไปในหุ่นยนต์ที่ขายในตลาด ซึ่งสามารถเรียนรู้วิธีการทำงานมากกว่า 20 งาน รวมถึงการเปิดและปิดเครื่องใช้ไฟฟ้าและการนำถุงขยะออกจากถังขยะ หุ่นยนต์จะดูมนุษย์ทำงานก่อนที่จะลองทำเอง

Pathak เป็นรองศาสตราจารย์ใน RI

“งานนี้นำเสนอวิธีการที่จะนำหุ่นยนต์เข้ามาในบ้าน” Pathak กล่าว “แทนที่จะรอให้หุ่นยนต์ถูกตั้งโปรแกรมหรือฝึกฝนให้สำเร็จก่อนที่จะนำไปใช้ในบ้านคน การเทคโนโลยีนี้ช่วยให้เราสามารถนำหุ่นยนต์เข้ามาในบ้านและให้หุ่นยนต์เรียนรู้วิธีการทำงานโดยการดูมนุษย์และปรับตัวให้เข้ากับสภาพแวดล้อม”

WHIRL เทียบกับวิธีการปัจจุบัน

วิธีการสอนหุ่นยนต์ให้ทำงานโดยทั่วไปจะใช้การเรียนรู้โดยการจำลองหรือการเรียนรู้โดยการเสริมกำลัง โดยการเรียนรู้โดยการจำลอง หุ่นยนต์จะถูกควบคุมโดยมนุษย์และสอนให้ทำงาน ซึ่งต้องทำซ้ำหลายๆ ครั้งเพื่อให้หุ่นยนต์เรียนรู้ โดยการเรียนรู้โดยการเสริมกำลัง หุ่นยนต์จะถูกฝึกฝนในจำนวนที่มากในสถานการณ์จำลองก่อนที่จะนำไปใช้ในโลกจริง

แม้ว่าวิธีการเหล่านี้จะ効ิภาพในการสอนหุ่นยนต์ให้ทำงานหนึ่งงานในสถานการณ์ที่มีโครงสร้าง แต่ก็ยากที่จะขยายและนำไปใช้ แต่ด้วย WHIRL หุ่นยนต์สามารถเรียนรู้จากวิดีโอของมนุษย์ที่ทำงานได้ และสามารถขยายได้ง่าย ไม่จำกัดเฉพาะงานหนึ่งๆ และสามารถทำงานในบ้านได้

WHIRL ช่วยให้หุ่นยนต์สามารถทำงานในสถานการณ์จริง และแม้ว่าหุ่นยนต์จะล้มเหลวในครั้งแรกๆ แต่ก็สามารถเรียนรู้ได้อย่างรวดเร็วหลังจากที่สำเร็จเพียงไม่กี่ครั้ง หุ่นยนต์อาจไม่ทำงานเหมือนกับมนุษย์ แต่นั่นเพราะหุ่นยนต์มีส่วนประกอบที่แตกต่างกัน แต่ผลลัพธ์ของการทำงานจะเหมือนกันเสมอ

“ในการขยายหุ่นยนต์ในสถานการณ์จริง ข้อมูลต้องมีความน่าเชื่อถือและเสถียร และหุ่นยนต์ควรปรับปรุงตนเองในสถานการณ์โดยการฝึกฝนเอง” Pathak กล่าว