ИИ системи подобряват уменията на домашните роботи за решаване на проблеми с до 80%

Изследователи от Масачузетския технологичен институт разработиха PIGINet, нова система, която има за цел ефективно да подобри възможностите за решаване на проблеми на домашните роботи, намалявайки времето за планиране с 50-80%.

Това се казва в прессъобщение на институцията, публикувано в петък.

При нормални условия домакинските роботи следват предварително зададени команди за изпълнение на задачи, което невинаги е подходящо за различни среди. PIGINet, както е описано от MIT, е невронна мрежа, която приема „планове, изображения, цел и първоначални факти“, след което прогнозира възможни планове за изпълнение.

Екипът оцени способността на новата система да помогне на робот да функционира в кухнята. Роботите измерват времето, необходимо за решаване на проблеми с помощта на PIGINet спрямо предишни подходи.

Учените установиха, че PIGINet значително намалява времето за планиране с 80% при по-прости задачи и 20-50% при по-сложни задачи.

„Системи като PIGINet, които използват силата на методите, управлявани от данни, за да се справят ефективно с познати случаи, но все още могат да се върнат към методите за планиране на „първите принципи“, за да проверят базирани на обучение предложения и да разрешат нови проблеми, предлагат най-доброто от двата свята, предоставяйки надеждни и ефикасни решения с общо предназначение на голямо разнообразие от проблеми,” каза професорът от MIT и главен изследовател на CSAIL Лесли Пак Каелблинг.

Изследователите също са използвали предварително обучени модели на визуални езици и трикове за увеличаване на данните, за да се справят с недостига на данни за обучение на домакинските роботи.

„Тъй като домът на всеки е различен, роботите трябва да бъдат адаптивни за решаване на проблеми, вместо просто да следват команди. Нашата ключова идея е да позволим планиране на задачи с общо предназначение, а роботът да използва модел за дълбоко обучение, за да избере първо най-важните задачи. Резултатът е по-ефективен, адаптивен и практичен домашен робот, който може пъргаво да навигира дори в сложни и динамични среди. Освен това практическите приложения на PIGINet не са ограничени само до домакинствата”, каза Зутиан Янг, докторант на MIT CSAIL и водещ автор на работата.

Целта на учените е допълнително да усъвършенстваме PIGINet, за да се предложат алтернативни планове за задачи след идентифициране на неосъществими действия, което допълнително ще ускори генерирането на изпълними планове за задачи без нужда от големи набори от данни за обучение.

„Ние вярваме, че това може да промени начина, по който роботите се обучават по време на разработката и след това се прилагат в домовете на всички“, казва още Янг.

„Това проучване разглежда основното предизвикателство при внедряването на робот с общо предназначение – как да се учим от минал опит, за да ускорим процеса на вземане на решения в неструктурирани среди, изпълнени с голям брой подвижни препятствия“, казва в изявлението Беомджун Ким, асистент във Висшето училище по ИИ към Корейския институт за напреднали науки и технологии (KAIST).