Bu robotun bağımsız olarak karides pişirmesini ve temizlemesini izleyin

Araştırmacılar, Mobile ALOHA (“çift elle çalıştırma için düşük maliyetli, açık kaynaklı donanım teleoperasyon sistemi” ifadesinin kısaltması) adı verilen robota, bir tavayı durulamak veya birine bir şey vermek gibi çeşitli hareketlilik ve el becerisi becerileri gerektiren yedi farklı görevi öğretti. bir yüksek beş.

Örneğin, robota karides pişirmeyi öğretmek için araştırmacılar, karidesleri plana dahil etmek, çevirmek ve sonra servis etmek için robotu 20 kez uzaktan çalıştırdılar. Stanford'da proje eşbaşkanı olan doktora öğrencisi Zipeng Fu, robotun aynı görevi yapmanın farklı yollarını öğrenmesi için her seferinde biraz farklı yaptıklarını söylüyor.

Robot daha sonra bu gösterilerin yanı sıra karides pişirmeyle hiçbir ilgisi olmayan, tekerleksiz daha önceki bir ALOHA robotu tarafından toplanan bir kağıt havluyu veya bandı yırtmak gibi farklı türdeki görevler için insan tarafından çalıştırılan diğer gösteriler konusunda eğitildi. Projenin danışmanı olan Stanford Üniversitesi'nde yardımcı doçent Chelsea Finn. Yeni ve eski verilerin birleştirildiği bu “ortak eğitim” yaklaşımı, AI sistemlerini milyonlarca olmasa da binlerce örnek üzerinde eğitme şeklindeki olağan yaklaşımla karşılaştırıldığında, Mobile ALOHA'nın yeni işleri nispeten hızlı öğrenmesine yardımcı oldu. Finn, robotun bu eski verilerden eldeki görevle hiçbir ilgisi olmayan yeni beceriler öğrenebildiğini söylüyor.

Bu tür ev işleri insanlar için kolay olsa da (en azından ruh halimizdeyken), robotlar için hala çok zordur. Nesneleri kavramak, kavramak ve manipüle etmek için mücadele ederler çünkü insanların doğal olarak sahip olduğu çevreyi anlama, hassasiyet ve koordinasyondan yoksundurlar. Bununla birlikte, yapay zeka tekniklerini robot bilimine uygulamaya yönelik son çabalar, yeni yeteneklerin kilidini açma konusunda büyük umut vaat ediyor. Örneğin, Google'ın RT-2 sistemi, dil-görüş modelini bir robotla birleştirerek insanların ona sözlü komutlar vermesine olanak tanıyor.

“Gerçekten heyecan verici olan şeylerden biri de bu taklit öğrenme tarifinin çok genel olmasıdır. Çok basit. Oldukça ölçeklenebilir” diyor Finn. Robotların taklit etmeye çalışması için daha fazla veri toplamanın, onların mutfakla ilgili daha fazla görevi yerine getirmelerine olanak sağlayabileceğini ekliyor.

Araştırmada yer almayan NYU'da bilgisayar bilimi doçenti Lerrel Pinto, “Mobil ALOHA benzersiz bir şey gösterdi: nispeten ucuz robot donanımı gerçekten karmaşık sorunları çözebilir” diyor.

Carnegie Mellon Üniversitesi'nde yardımcı doçent olan ve kendisi de araştırma ekibinin bir parçası olmayan Deepak Pathak, Mobil ALOHA, robot donanımının zaten çok yetenekli olduğunu gösteriyor ve daha kullanışlı robotlar yapımında eksik olan şeyin yapay zeka olduğunun altını çiziyor.

Pinto, modelin aynı zamanda robotik eğitim verilerinin aktarılabileceğini de gösterdiğini söylüyor: Bir görev üzerinde eğitim, diğerlerinin performansını artırabilir. “Bu çok arzu edilen bir özellik, çünkü veriler arttığında, önemsediğiniz bir görev için olmasa bile robotunuzun performansını artırabilir” diyor.

Ekibin bir parçası olan Stanford'da doktora öğrencisi Tony Z. Zhao, Stanford ekibinin bundan sonra robotu, buruşuk çamaşırları toplamak ve katlamak gibi daha zor görevleri yapması için daha fazla veri konusunda eğiteceğini söylüyor. Çamaşır yıkamak geleneksel olarak robotlar için çok zordu çünkü nesneler anlamakta zorlandıkları şekillerde bir araya toplanmıştı. Ancak Zhao, tekniklerinin, makinelerin, insanların daha önce imkansız olduğunu düşündüğü görevlerin üstesinden gelmesine yardımcı olacağını söylüyor.