یادگیری ادراکی برای روبات ها

واضح است که روبات ها نمی توانند به روش آزمون و خطا و تجربه به یادگیری بپردازند.تنها می توان اطلاعات خاصی را به مغز آنها وارد کرد، اما این که از یک روبات بخواهیم تا خودش کاری نظیر باز کردن در بطری را یاد گیرد کاری غیرممکن است.

اما این امر به زودی در حال تغییر است.اکنون دانشمندان دانشگاه UC Berkeley در حال ساخت الگوریتم هایی هستند که روبات ها به وسیله آن بتوانند از طریق آزمون و خطا به یادگیری بپردازند. این پدیده می تواند منجر به ساخت روبات های خانگی ای شود که به انجام کارهای خانه بپردازد.

سابقا روبات ها با دسته ای از اطلاعات از پیش برنامه ریزی شده به دنیا وارد می شدند که این برنامه ها به آنها اجازه انجام کارهای محدودی را می داد. این قبیل کار هایی که به روبات ها اعمال می شد در محیط های کنترل شده آزمایشگاهی ثمر بخش بود اما برای این که روبات ها قادر باشند تا به دنیای ناشناخته بیرون وارد شوند نیازمند به آموزش های بیشتری هستند.

محققان دانشگاه Berkeley در حال ساخت شاخه ای جدید از هوش مصنوعی هستند که تحت عنوان یادگیری عمقی شناخته می شوند که برای درک و تعامل با جهان از مدار های عصبی مغز انسان الهام گرفته اند.

سرجی لوین، پژوهشگر روبوتیک، بیان کرد: «این گونه نیست که انسان ها با مجموعه ای رفتار ها که می تواند مانند چاقوی چندکاره عمل کند به دنیا آمده باشد و ما انسان ها نیازمند برنامه اجرایی نیستیم. در مقابل ما در تمام زندگیمان مهارت ها را از طریق تجربه و دیگر انسان ها بدست می آوریم این نحوه یادگیری عمیقا در سیستم عصبی ما ریشه دارد.ما حتی نمیتوانیم کاملا دقیق مهارت شخص دیگر را تقلید کنیم بلکه فقط می توانیم از اشارات راهنما درباره انجام کاری استفاده کنیم.»

دانشمندان در آزمایش های اخیر بر روی روبات کوچکی به نام BRETT کار کرده اند که می تواند حرکات مکانیکی ساده ای نظیر قرار دادن گیره ها در سوراخ مورد نظر را انجام دهد. الگوریتمی که یادگیری این روبات را کنترل می کند شامل کارکرد پاداشی است که به میزان یادگیری مهارت های جدید این روبات امتیاز می دهد. این سیستم پاداشی کلید کارکرد این روبات است و این گونه عمل می کند که آن دسته از BRETT که باعث انجام شدن وظایف او می شوند بیشترین امتیاز را کسب می کنند و حرکاتی که او را از انجام شدن وظیفه اش دور می کند کم ترین امتیاز را می دهد.و این اطلاعات در سراسر هزاران پارامتر در سیستم عصبی او رله می شود.

همه فعالیت هایی که BRETT تا کنون انجام داده در نوع خود عجیب بوده است. اگر موقعیت اجسام در صحنه به او داده میشد قادر بود تا تکالیف در نظر گرفته شده را در کمتر از ده دقیقه انجام دهد.اما اگر موقعیت اجسام به او داده نمیشد مجبور به فراگیری همزمان تصویر و حرکات مکانیکی بود و پروسه انجام تکالیفش ساعت ها طول می کشید.

منبع

 

No tags for this post.

نوشته های مشابه

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

دکمه بازگشت به بالا