Yapay Zeka

Robotlar Ev İşlerini İnsanları İzleyerek Öğreniyor

Özet: Yeni bir robotik sistem, doğrudan insan etkileşimi videolarından öğrenebilir ve tamamlanan görevdeki bilgileri genelleştirebilir. Bu, robotu ev işlerini etkili ve verimli bir şekilde öğrenmek için çok uygun hale getirir.

Kaynak: Carnegie Mellon Üniversitesi

Robot, Shikhar Bahl’ın buzdolabının kapısını açmasını izledi. Hareketlerini, kapının salınımını, buzdolabının yerini ve daha fazlasını kaydetti, bu verileri analiz etti ve Bahl’ın yaptıklarını taklit etmeye hazırlanıyordu.

İlk başta başarısız oldu, bazen sapı tamamen kaçırdı, yanlış yerden tuttu ya da yanlış çekti. Ancak birkaç saatlik uygulamadan sonra robot başarılı oldu ve kapıyı açtı.

Doktora Bahl, “Taklit, öğrenmenin harika bir yoludur” dedi. Carnegie Mellon Üniversitesi Bilgisayar Bilimleri Okulu’ndaki Robotik Enstitüsü’nde (RI) öğrenci. “Robotların insanları doğrudan izleyerek gerçekten öğrenmesi, sahada çözülmemiş bir sorun olmaya devam ediyor, ancak bu çalışma, bu yeteneği etkinleştirmede önemli bir adım atıyor.”

Bahl, her ikisi de UR’de öğretim üyesi olan Deepak Pathak ve Abhinav Gupta ile robotlar için WHIRL adı verilen ve In-the-Wild Human Imitating Robot Learning’in kısaltması olan yeni bir öğrenme yöntemi geliştirmek için çalıştı. WHIRL, tek seferlik görsel taklit için verimli bir algoritmadır. Doğrudan insan etkileşimi videolarından öğrenebilir ve bu bilgiyi yeni görevlere genelleştirerek robotları ev işlerini öğrenmeye çok uygun hale getirebilir.

İnsanlar evlerinde sürekli olarak çeşitli işler yaparlar. WHIRL ile, bir robot bu görevleri gözlemleyebilir ve sonunda işin kendisinin nasıl tamamlanacağını belirlemek için ihtiyaç duyduğu video verilerini toplayabilir.

Ekip, kullanıma hazır bir robota bir kamera ve yazılımlarını ekledi ve aletleri, dolap kapaklarını ve çekmeceleri açıp kapatmaktan bir tencereye kapak koymaya, bir sandalyeyi itmeye kadar 20’den fazla görevi nasıl yapacağını öğrendi. ve hatta çöp kutusundan bir çöp torbası çıkarmak. Her seferinde robot, bir insanın görevi tamamlamasını izledi ve ardından görevi kendi başına başarmayı öğrenmeye ve uygulamaya başladı.

Ekip, araştırmalarını bu ay New York’taki Robotik: Bilim ve Sistemler konferansında sundu.

UR’de yardımcı doçent ve ekibin bir üyesi olan Pathak, “Bu çalışma, robotları eve getirmenin bir yolunu sunuyor” dedi.

“Robotları insanların evlerine yerleştirmeden önce farklı görevleri başarıyla tamamlamak üzere programlanmalarını veya eğitilmelerini beklemek yerine, bu teknoloji, robotları konuşlandırmamıza ve görevleri nasıl tamamlayacaklarını öğrenmelerini sağlarken, aynı zamanda kendi ortamlarına adapte olmalarını ve yalnızca kendilerini geliştirmelerini sağlıyor. Izleyerek.”

Bir robota bir görev öğretmek için mevcut yöntemler, tipik olarak taklit veya pekiştirmeli öğrenmeye dayanır. Taklit öğrenmede, insanlar bir görevi nasıl tamamlayacağını öğretmek için bir robotu manuel olarak çalıştırır. Robot öğrenmeden önce bu işlem tek bir görev için birkaç kez yapılmalıdır. Takviyeli öğrenmede, robot tipik olarak simülasyondaki milyonlarca örnek üzerinde eğitilir ve ardından bu eğitimi gerçek dünyaya uyarlaması istenir.

Her iki öğrenme modeli de yapılandırılmış bir ortamda bir robota tek bir görev öğretirken iyi çalışır, ancak bunların ölçeklenmesi ve dağıtılması zordur. WHIRL, bir görevi yapan bir insanın herhangi bir videosundan öğrenebilir. Kolayca ölçeklenebilir, belirli bir görevle sınırlı değildir ve gerçekçi ev ortamlarında çalışabilir.

Bu, robotun farklı işler yaptığını gösterir.
WHIRL ile bir robot, aletleri, dolap kapaklarını ve çekmeceleri açıp kapatmaktan, bir tencerenin kapağını kapatmaya, bir sandalyeyi itmeye ve hatta çöp kutusundan bir çöp poşeti çıkarmaya kadar 20’den fazla görevi nasıl yapacağını öğrendi. Kredi: Carnegie Mellon Üniversitesi

Ekip, YouTube ve Flickr’dan insan etkileşimi videoları izleyerek eğitilmiş bir WHIRL sürümü üzerinde bile çalışıyor.

Ayrıca bakınız

Bu, ölçekte bir kalp ve bir beyin tutan bir adamın çizgi filmini gösteriyor.

Bilgisayarla görme alanındaki ilerleme, işi mümkün kıldı. İnternet verileri üzerinde eğitilmiş modelleri kullanarak bilgisayarlar artık hareketi 3D olarak anlayabilir ve modelleyebilir. Ekip bu modelleri insan hareketini anlamak için kullandı ve WHIRL eğitimini kolaylaştırdı.

WHIRL ile bir robot, görevleri doğal ortamlarında gerçekleştirebilir. Aletler, kapılar, çekmeceler, kapaklar, sandalyeler ve çöp torbası robota uyacak şekilde değiştirilmedi veya manipüle edilmedi.

Robotun bir görevdeki ilk birkaç denemesi başarısızlıkla sonuçlandı, ancak birkaç başarı elde ettikten sonra, onu nasıl başaracağına çabucak kilitlendi ve ustalaştı. Robot, görevi bir insanla aynı hareketlerle gerçekleştiremese de amaç bu değil.

İnsanlar ve robotlar farklı parçalara sahiptir ve farklı hareket ederler. Önemli olan sonucun aynı olmasıdır. Kapı açılır. Anahtar kapatılır. Musluk açılır.

Pathak, “Vahşi doğada robotiği ölçeklendirmek için veriler güvenilir ve istikrarlı olmalı ve robotlar kendi başlarına pratik yaparak çevrelerinde daha iyi hale gelmelidir.” Dedi.

Bu robotik öğrenme araştırması haberleri hakkında

Yazar: Aaron Apperlee
Kaynak: Carnegie Mellon Üniversitesi
İletişim: Aaron Aupperlee – Carnegie Mellon Üniversitesi
Resim: Görüntü Carnegie Mellon Üniversitesi’ne yatırıldı

Orjinal araştırma: Bulgular Robotik: Bilim ve Sistemler toplantısında sunulacak

İlgili Makaleler

Başa dön tuşu