Nauka robota

Uczenie robotów to dziedzina badań z pogranicza uczenia maszynowego i robotyki . Bada techniki pozwalające robotowi nabywać nowe umiejętności lub dostosowywać się do otoczenia poprzez algorytmy uczenia się. Wcielenie robota, umieszczone w fizycznym osadzeniu, stwarza jednocześnie określone trudności (np. wielowymiarowość, ograniczenia czasu rzeczywistego dla zbierania danych i uczenia się) oraz możliwości kierowania procesem uczenia się (np. synergie sensomotoryczne, prymitywy motoryczne).

Przykłady umiejętności, na które ukierunkowane są algorytmy uczenia się, obejmują umiejętności sensomotoryczne, takie jak poruszanie się, chwytanie, aktywna kategoryzacja obiektów , a także umiejętności interaktywne, takie jak wspólne manipulowanie przedmiotem z rówieśnikiem, oraz umiejętności językowe, takie jak ugruntowane i usytuowane znaczenie ludzki język . Uczenie się może odbywać się albo poprzez samodzielną eksplorację, albo pod przewodnictwem nauczyciela-człowieka, jak na przykład uczenie się robota przez naśladowanie.

Uczenie robotów może być ściśle związane z kontrolą adaptacyjną , uczeniem się przez wzmacnianie , a także robotyką rozwojową , która uwzględnia problem autonomicznego nabywania repertuarów umiejętności przez całe życie. Chociaż uczenie maszynowe jest często wykorzystywane przez komputerowe algorytmy wizyjne stosowane w kontekście robotyki, aplikacje te zwykle nie są określane jako „uczenie się robotów”.

Projektowanie

Maya Cakmak, adiunkt informatyki i inżynierii na Uniwersytecie Waszyngtońskim , próbuje stworzyć robota, który uczy się przez naśladowanie – technikę zwaną „ programowaniem przez demonstrację ”. Badacz pokazuje technikę czyszczenia systemu wizyjnego robota i uogólnia ruch czyszczenia z demonstracji na ludziach, a także określa „stan zabrudzenia” przed i po czyszczeniu.

Podobnie robota przemysłowego Baxter można nauczyć, jak coś zrobić, chwytając go za ramię i pokazując mu pożądane ruchy. Może również korzystać z głębokiego uczenia się, aby nauczyć się chwytać nieznany obiekt.

Dzielenie się zdobytymi umiejętnościami i wiedzą

Dalsze informacje: Robotyka w chmurze

W „Million Object Challenge” firmy Tellex celem są roboty, które uczą się rozpoznawać i obsługiwać proste przedmioty oraz przesyłać swoje dane do chmury, aby umożliwić innym robotom analizę i wykorzystanie informacji.

RoboBrain to silnik wiedzy dla robotów, do którego dostęp może mieć dowolne urządzenie chcące wykonać zadanie. Baza danych gromadzi nowe informacje o zadaniach wykonywanych przez roboty, przeszukując Internet, interpretując tekst, obrazy i filmy w języku naturalnym, rozpoznając obiekty , a także interakcję. Projektem kieruje Ashutosh Saxena z Uniwersytetu Stanforda .

RoboEarth to projekt, który został opisany jako „ World Wide Web for robots” – jest to repozytorium sieci i bazy danych, w którym roboty mogą wymieniać się informacjami i uczyć się od siebie nawzajem, a także chmura do outsourcingu ciężkich zadań obliczeniowych. Projekt skupia naukowców z pięciu głównych uniwersytetów w Niemczech, Holandii i Hiszpanii i jest wspierany przez Unię Europejską .

Google Research, DeepMind i Google X postanowiły pozwolić swoim robotom dzielić się swoimi doświadczeniami.

Zobacz też

• Robotyka rozwojowa
• Robotyka kognitywna
• Robotyka ewolucyjna

Linki zewnętrzne

• IEEE RAS Technical Committee on Robot Learning (oficjalna strona internetowa IEEE)
• IEEE RAS Technical Committee on Robot Learning (strona internetowa członków TC)
• Robot Learning w Instytucie Inteligentnych Systemów im. Maxa Plancka i Politechnice w Darmstadt
• Robot Learning w laboratorium obliczeniowego uczenia się i sterowania silnikiem
• Nauka robotów humanoidalnych w Centrum Badań nad Zaawansowaną Telekomunikacją (ATR) (w języku angielskim i japońskim)
• Laboratorium Algorytmów i Systemów Uczenia się w EPFL (LASA)
• Robot Learning w Laboratorium Robotyki Kognitywnej Juergena Schmidhubera na IDSIA i Uniwersytecie Technicznym w Monachium
• Humanoid Project : Peter Nordin , Chalmers University of Technology
• Zespół Inria i Ensta ParisTech FLOWERS, Francja : Autonomiczne uczenie się przez całe życie w robotyce rozwojowej
• CITEC na Uniwersytecie w Bielefeld w Niemczech
• Asada Laboratory , Department of Adaptive Machine Systems, Graduate School of Engineering, Osaka University, Japonia
• Laboratorium Robotyki Percepcyjnej , University of Massachusetts Amherst Amherst, USA
• Centrum Robotyki i Systemów Neuronowych , Plymouth University Plymouth, Wielka Brytania
• Robot Learning Lab na Uniwersytecie Carnegie Mellon
• Project Learning Roboty humanoidalne na Uniwersytecie w Bonn
• System uczenia się i koordynacji zachowań robotów Skilligent (produkt komercyjny)
• Zajęcia Robot Learning na Cornell University
• Robot Learning and Interaction Lab we Włoskim Instytucie Technologicznym
• Uczenie się przez wzmacnianie dla robotyki Zarchiwizowane 2018-10-08 w Wayback Machine na Delft University of Technology