محققان با استفاده از فناوری هوش مصنوعی Google deepmind به ربات‌ها یاد می‌دهند که چگونه وظایف پیچیده‌ای که نیاز به حرکات دقیق و ماهرانه دارند را یاد بگیرند و انجام دهند.
به گزارش تکناک، دو سیستم هوش مصنوعی جدید توسط Google deepmind راه‌اندازی شده است، که با استفاده از این سیستم‌ها، تیم تحقیقاتی ربات را در شبیه‌سازی‌ها و وظایف دنیای واقعی آزمایش کرد.
اولین سیستم، ALOHA Unleashed است، که نسخه ارتقایافته سیستم ALOHA 2 می‌باشد.
این سیستم به دو بازو مجهز شده است و می‌تواند به صورت از راه دور کنترل شود تا داده‌های آموزشی با کیفیت بالا جمع‌آوری کند، که به ربات‌ها اجازه می‌دهد با تعداد کمتری از نمایش‌ها وظایف جدید را یاد بگیرند.
سیستم دوم، DemoStart است که با استفاده از الگوریتم یادگیری تقویتی، پیشرفت را به جلو می‌برد و رفتارهای مختلف را تنها از چند نمایش شبیه‌سازی شده یاد می‌گیرد.
ربات با موفقیت چرخ‌دنده‌ها را جایگذاری، قطعات رباتی دیگر را تعویض، پیراهن‌ها را آویزان و یک آشپزخانه را تمیز کرد، همچنین بند کفش‌ها را بست.
با وجود این، توانایی‌های ربات در بستن بند کفش‌ها هنوز در حال توسعه است و نیاز به بهبود بیشتری دارد.
گوگل در بیانیه‌ای اعلام کرد: «با کمک به ربات‌ها برای یادگیری از نمایش‌های انسانی و ترجمه تصاویر به عمل، این سیستم‌ها راه را برای ربات‌هایی که می‌توانند طیف وسیعی از وظایف مفید را انجام دهند، هموار می‌کنند.»
فهرست مطالب
یادگیری پیشرفته با هوش مصنوعی Google deepmind
تاکنون، بیشتر ربات‌های مجهز به هوش مصنوعی پیشرفته قادر بودند که با یک بازو اشیا را برداشته و جابه‌جا کنند.
شرکت DeepMind ادعا می‌کند که سیستم ALOHA Unleashed به درجه بالایی از مهارت در استفاده از دو بازو دست یافته است.
روش ALOHA Unleashed بر اساس پلتفرم ALOHA 2 ساخته شده، که خود از سیستم اصلی ALOHA توسعه یافته است که یک سیستم سخت‌افزاری متن‌باز و کم‌هزینه از دانشگاه استنفورد می‌باشد.
به گفته تیم تحقیقاتی، ALOHA 2 از سیستم‌های قبلی ماهرتر است. این سیستم دارای دو دست قابل تله‌اپراسیون می‌باشد که آموزش و جمع‌آوری داده‌ها را تسهیل می‌کند و به ربات‌ها اجازه می‌دهد با تعداد کمتری از نمایش‌ها وظایف جدید را یاد بگیرند.
همچنین سیستم جدید شامل طراحی ارگونومیک بهبودیافته و فرایند یادگیری پیشرفته‌تر است. داده‌های نمایش با کنترل از راه دور ربات برای انجام وظایف پیچیده‌ای مانند: بستن بند کفش و آویزان کردن تیشرت‌ها جمع‌آوری شد.
هنوز راه زیادی برای رسیدن به مهارت انسانی در رباتیک باقی مانده است، اما آینده هیجان‌انگیز است.
تحقیقات می‌تواند راه را برای ایجاد ربات‌های مفیدتر و ماهرتر هموار کند، که روزی بتوانند در خانه، دفتر و فراتر از آن کمک نمایند.
از یک روش انتشار، مشابه مدل Imagen که در راستای تولید تصاویر استفاده می‌شود، برای پیش‌بینی اقدامات ربات از نویز تصادفی اعمال شد.
این روش به ربات امکان می‌دهد از داده‌ها یاد بگیرد و وظایف مشابه را به طور مستقل انجام دهد.
پیشرفت در هوش مصنوعی ماهر
کنترل یک دست رباتیک ماهر یک چالش پیچیده است، به ویژه با اضافه شدن انگشتان، مفاصل و حسگرهای بیشتر دشوارتر هم می‌شود.
DemoStart، یک رویکرد جدید که در تحقیقات اخیر توصیف شده است، با استفاده از یادگیری تقویتی به ربات‌ها کمک می‌کند تا توانایی‌های ماهرانه را در شبیه‌سازی‌ها توسعه دهند.
این روش به ویژه برای ربات‌هایی با ویژگی‌های پیچیده مانند دست‌های چند انگشتی مفید است.
سیستم DemoStart با یادگیری از وظایف ساده شروع می‌کند و به تدریج به وظایف دشوارتر می‌پردازد و هر وظیفه را مرحله به مرحله تسلط می‌یابد.
در مقایسه با روش‌های یادگیری سنتی از مثال‌های دنیای واقعی، DemoStart به 100 برابر نمایش‌های شبیه‌سازی شده کمتری نیاز دارد تا به همان سطح مهارت برسد.
DemoStart با استفاده از MuJoCo که یک شبیه‌ساز فیزیک متن‌باز می‌باشد، توسعه یافته است و رفتارهای یادگرفته شده آن می‌توانند با تنظیمات کم به ربات‌های فیزیکی منتقل شوند. تکنیک‌هایی مانند تصادفی‌سازی دامنه می‌توانند فاصله بین شبیه‌سازی و واقعیت را کاهش دهند.
هوش مصنوعی Google deepmind با کاهش نیاز به آزمایش‌های فیزیکی، هم در زمان و هم در هزینه‌ها صرفه‌جویی می‌کند.
با وجود این، طراحی شبیه‌سازی‌هایی که به طور موفقیت‌آمیز به عملکرد واقعی ترجمه شوند، همواره یک چالش بوده است.
یادگیری تقویتی DemoStart، همراه با چند نمایش، یک برنامه درسی ایجاد می‌کند که به طور مؤثر این شکاف را پر می‌نماید.
در آزمایش‌های انجام شده روی یک دست رباتیک سه انگشتی به نام DEX-EE، این روش موفقیت بیش از ۹۸ درصد در شبیه‌سازی برای وظایفی مانند: تغییر جهت مکعب و سفت کردن مهره‌ها و تا ۹۷ درصد در آزمایش‌های واقعی برای وظایف مشابه را به دست آورد.
به گفته شرکت DeepMind، رباتیک یک حوزه منحصربه‌فرد از مطالعه هوش مصنوعی است، که نشان می‌دهد روش‌های ما به چه میزان در دنیای واقعی مؤثر هستند.
به عنوان مثال، حتی اگر یک مدل زبان بزرگ در یک ربات پیاده‌سازی شود، نمی‌تواند وظایفی مانند: بستن بند کفش یا سفت کردن پیچ را به تنهایی انجام دهد.
تیم توسعه‌دهنده بر این باور است روزی خواهد رسید که ربات‌های هوش مصنوعی به مردم در انجام انواع وظایف در خانه، محل کار و جاهای دیگر کمک خواهند کرد.
تحقیقات در زمینه مهارت، از جمله روش‌های یادگیری کارآمد و عمومی که امروز توضیح دادیم، به تحقق این آینده کمک خواهد کرد.
