Phương Pháp Học Tập Cho Phép Robot Học Bằng Cách Xem Con Người

Một phương pháp học tập mới được các nhà nghiên cứu tại Đại học Carnegie Mellon (CMU) phát triển cho phép robot học trực tiếp từ các video tương tác của con người và tổng quát hóa thông tin để thực hiện các nhiệm vụ mới, giúp chúng học cách thực hiện các công việc gia đình. Phương pháp học tập này được gọi là WHIRL, viết tắt của In-the-wild Human Imitating Robot Learning, và nó giúp robot quan sát các nhiệm vụ và thu thập dữ liệu video để cuối cùng học cách hoàn thành công việc mình.

Nghiên cứu này được trình bày tại hội nghị Robotics: Science and Systems ở New York.

Sự Imitation Là Một Cách Để Học Tập

Shikhar Bahl là một sinh viên tiến sĩ tại Viện Robotics (RI) của Trường Khoa học Máy tính tại Đại học Carnegie Mellon.

“Sự bắt chước là một cách tuyệt vời để học tập,” Bahl nói. “Việc có robot thực sự học từ việc xem con người vẫn còn là một vấn đề chưa được giải quyết trong lĩnh vực này, nhưng công việc này đã thực hiện một bước tiến đáng kể trong việc cho phép khả năng đó.”

Bahl đã làm việc cùng với Deepak Pathak và Abhinav Gupta, cả hai đều là thành viên giảng dạy tại RI. Đội ngũ này đã thêm một camera và phần mềm của họ vào một robot ngoài trời để học cách hoàn thành hơn 20 nhiệm vụ. Những nhiệm vụ này bao gồm mọi thứ từ việc mở và đóng các thiết bị gia dụng đến việc lấy một túi rác ra khỏi thùng. Mỗi lần robot xem con người hoàn thành các nhiệm vụ trước khi tự mình thực hiện.

Pathak là một giáo sư trợ lý tại RI.

“Công việc này trình bày một cách để đưa robot vào nhà,” Pathak nói. “Thay vì chờ đợi robot được lập trình hoặc đào tạo để hoàn thành thành công các nhiệm vụ khác nhau trước khi triển khai chúng vào nhà của mọi người, công nghệ này cho phép chúng tôi triển khai robot và có chúng học cách hoàn thành các nhiệm vụ, tất cả trong khi thích nghi với môi trường của chúng và cải thiện chỉ bằng cách xem.”

WHIRL So Với Các Phương Pháp Hiện Tại

Hầu hết các phương pháp hiện tại để dạy một robot thực hiện một nhiệm vụ dựa trên việc bắt chước hoặc học tăng cường. Với việc học bắt chước, con người vận hành robot thủ công và dạy nó cách hoàn thành một nhiệm vụ, điều này đòi hỏi phải thực hiện nhiều lần trước khi robot học được. Với việc học tăng cường, robot thường được đào tạo trên hàng triệu ví dụ trong mô phỏng trước khi áp dụng đào tạo vào thế giới thực.

Mặc dù cả hai mô hình này đều hiệu quả trong việc dạy một robot thực hiện một nhiệm vụ duy nhất trong một môi trường có cấu trúc, nhưng chúng chứng minh là khó để mở rộng và triển khai. Nhưng với WHIRL, một robot có thể học từ bất kỳ video nào của con người hoàn thành một nhiệm vụ. Nó cũng dễ dàng mở rộng, không bị giới hạn ở một nhiệm vụ cụ thể và có thể hoạt động trong môi trường gia đình.

WHIRL cho phép robot hoàn thành các nhiệm vụ trong môi trường tự nhiên của chúng. Và trong khi những lần thử đầu tiên thường kết thúc trong thất bại, nó có thể học rất nhanh chỉ sau một vài thành công. Robot không luôn hoàn thành nhiệm vụ với cùng một chuyển động như con người, nhưng đó là vì nó có các bộ phận khác nhau di chuyển khác nhau. Với điều đó, kết quả cuối cùng của việc hoàn thành các nhiệm vụ luôn giống nhau.

“Để mở rộng robotics trong tự nhiên, dữ liệu phải đáng tin cậy và ổn định, và robot nên trở nên tốt hơn trong môi trường của chúng bằng cách thực hành trên chính mình,” Pathak nói.