Facebook Haritalı Olmadan AI Robotlarının Navigasyonuna İzin Verebilecek Bir Yöntem Oluşturdu

Facebook yakın zamanda, bir AI aracının bir ortamı gezme yeteneğini artıran bir algoritma geliştirdi, böylece aracın yeni ortamlarda harita erişimi olmadan en kısa yolu belirlemesine izin veriyor. Mobil robotlar genellikle önceden programlanmış bir haritaya sahipken, Facebook tarafından tasarlanan yeni algoritma, haritalara ihtiyaç duymadan navigasyon yapabilen robotların oluşturulmasını sağlayabilir.

Facebook araştırmacıları tarafından oluşturulan bir göre, robot navigasyonu için büyük bir zorluk, AI sistemlerine yeni ortamlarda gezme ve programlanmış hedeflere ulaşma yeteneği kazandırmaktır. Bu zorluğu aşmak için Facebook, birden fazla öğreniciye dağıtılmış bir pekiştirme öğrenme algoritması geliştirdi. Algoritma, merkezden dağıtılmış proximal politika optimizasyonu (DD-PPO) olarak adlandırıldı. DD-PPO’ya yalnızca pusula verileri, GPS verileri ve RGB-D kamera erişimi verildi, ancak reported olarak sanal bir ortamda gezme ve harita verisi olmadan hedefe ulaşabildi.

Araştırmacılara göre, ajanlar ofis binaları ve evler gibi sanal ortamlarda eğitildi. Sonuçlanan algoritma, bir simüle edilmiş iç ortamda gezme, yolun doğru çatallığını seçme ve yanlış yolu seçerse hızla hatalardan kurtulma yeteneğine sahipti. Sanal ortam sonuçları umut vericiydi ve gerçek dünyada bir ajanın kendisini veya çevresini hasar verebileceği için, bu ortak ortamları güvenilir bir şekilde gezme yeteneğine sahip olmak önemlidir.

Facebook araştırma ekibi, projelerinin odak noktasının yardımcı robotlar olduğunu açıkladı, çünkü yardımcı robotlar ve AI ajanları için uygun ve güvenilir navigasyon esaslıdır. Araştırma ekibi, navigasyonun, evde görevler gerçekleştiren robotlardan görme engelliler için yardımcı olan AI sürücülü cihazlara kadar çeşitli yardımcı AI sistemleri için temel olduğunu savundu. Araştırma ekibi ayrıca, AI yaratıcılarının genel olarak harita kullanımından uzaklaşmaları gerektiğini savundu, çünkü haritalar genellikle çizildikleri anda eskir ve gerçek dünya ortamlarında sürekli olarak değişir ve evrim geçirirler.

TechExplore’ın raporuna göre, Facebook araştırma ekibi, açık kaynaklı AI Habitat platformunu kullandı, bu da onlara görsel olarak gerçekçi 3-B ortamlarda bedensel ajanları zamanında eğitime olanak sağladı. Haven, simüle edilmiş ortamlara erişim sağladı ve bu ortamlar gerçekçi enough ki, AI modeli tarafından üretilen veriler gerçek dünya durumlarına uygulanabilir. Douglas Heaven in MIT Technology Review modelin eğitiminin yoğunluğunu açıkladı:

“Facebook, AI Habitat’te, bir binanın içi olan fotogerçekçi bir sanal mock-up’ta, odalar ve koridorlar ve mobilyalar ile birlikte botları üç gün eğitti. Bu süre zarfında 2.5 milyar adım attılar – insan deneyiminin 80 yılına eşdeğer.”

Eğitim görevinin aşırı karmaşıklığı nedeniyle, araştırmacılar reported olarak eğitim devam ederken zayıf öğrenicileri ayıkladılar, böylece eğitim süresini hızlandırdılar. Araştırma ekibi, mevcut modelini daha da geliştirmeyi ve yalnızca kamera verilerini kullanarak karmaşık ortamlarda gezme yeteneğine sahip algoritmalar oluşturmayı umuyor. Bunun nedeni, GPS verilerinin ve pusula verilerinin souvent iç mekanlarda bozulabiliyor olması, çok gürültülü olabilmesi veya sadece erişilememesidir.

Teknoloji henüz dış mekanlarda test edilmemiş ve uzun mesafelerde gezme konusunda zorluklar yaşamaktadır, ancak algoritmanın geliştirilmesi, özellikle teslimat dronları ve ofislerde veya evlerde çalışan robotlar gibi próximo nesil robotların geliştirilmesinde önemli bir adımdır.