Люди часто не задумываются о своей мелкой моторике, воспринимая ее как должное. Воссоздание механической точности человеческого тела — непростая задача, которую аспиранты факультета механической инженерии Университета Карнеги-Меллона надеются упростить с помощью искусственного интеллекта.
Аспиранты Элисон Барч и Авраам Джордж под руководством Амира Барати Фаримани, ассистента профессора механической инженерии, сначала воссоздали простую задачу, например, поднятие блока, используя симуляцию виртуальной реальности. Используя этот пример, они затем смогли увеличить различные «человекоподобные» примеры движений, чтобы помочь обучению робота.
«Если я хочу показать вам, как выполнить задачу, мне нужно сделать это всего один или два раза, прежде чем вы схватите суть», — сказал Джордж. «Поэтому очень многообещающим является тот факт, что теперь мы можем заставить робота повторить наши действия после всего одной или двух демонстраций. Мы создали структуру управления, в которой он может наблюдать за нами, извлекать необходимую информацию, а затем выполнять это действие».
Команда обнаружила, что дополненные примеры значительно сократили время обучения робота для задачи поднятия и перемещения блоков по сравнению с использованием только архитектуры машинного обучения. Это, в сочетании со сбором данных человека с помощью симуляции гарнитуры виртуальной реальности, означает, что этот метод исследования может дать многообещающие результаты при «менее одноминутном человеческом участии».
Это исследование было представлено на Международной конференции по робототехнике и автоматизации 2023 года.
Джордж описал проблему создания дополненных примеров, которые были бы надежными и «новыми» для обучения ИИ, чтобы он мог распознавать более тонкие различия в одних и тех же движениях.
«Хорошей аналогией этому является ситуация, когда вы пытаетесь научить компьютер распознавать изображение собаки, показывая ему сотни изображений собак и кошек», — сказал Джордж. «Но мы пытаемся обучить компьютер идентифицировать собаку, основываясь всего на одном дополненном изображении. Поэтому, если мы покажем ему собаку другой породы, компьютер будет затрудняться идентифицировать ее как собаку».
Уже смотря вперед, Барч планирует использовать аналогичные методы для обучения робота взаимодействию с более пластичными материалами, в частности с глиной, и прогнозированию того, как он будет их формировать.
«Для конечной цели появления роботов в мире, они должны научиться предсказывать, как будут вести себя различные материалы», — сказала Барч. «Если вы подумаете о роботе-помощнике дома, материалы, с которыми они будут взаимодействовать, деформируемы: еда деформируема, губки деформируемы, одежда деформируема».