Video avslöjar de överraskande utmaningarna av undervisning A.I. att klä sig

Att krypa in i en tee shirt kan vara en av de få uppgifter som vi människor kan göra även om vi knappt är vakna och fortfarande klipper sömnen ur våra ögon. Men det faktum att vi har bemästrat hur vi klär oss själva (mer eller mindre) tror på hur komplexa de rörelser som krävs för att gå från att vara i buffén till att vara klädda nog för att kliva ut dörrarna verkligen är.

En person som förstår detta såväl som någon är Alex Clegg, en datavetenskaplig doktorand. student vid Georgia Institute of Technology som har fokuserat på att använda maskininlärning till teknisk artificiell intelligens hur man klär sig. Som han berättar Omvänd, medan A.I. är smart nog att förutse vilka patienter som får sepsis eller hur man utmana världsmästare i komplexa strategispel, läromaskiner hur man sätter på en skjorta har visat sig vara ett svårt mål.

"Tyg är komplex", förklarar han i ett email. "Det kan reagera omedelbart och drastiskt till små förändringar i kroppens position och begränsar ofta rörelse … Kläder har också en tendens att vikas, klibbar och klamrar sig i kroppen, vilket gör haptisk eller beröringskänsla väsentlig för uppgiften."

Så varför, exakt, är en dator whiz försöker bryta ner hur vi passar upp på morgonen? Clegg förklarade att det finns några möjliga tillämpningar för A.I. som förstår den bedrägligt enkla verkligheten att klä sig på. På kort sikt kan Cleggs fynd användas till en dagshastighet för processen att skapa livliga 3D-animationer. Men ännu viktigare kan dessa insikter leda till utformningen av hjälprobotar som kan hjälpa till att ta hand om människor unga och gamla.

Forskarna började genom att undervisa en dator hur man behärskar att få en arm i ärmen. I det papper som presenteras vid den kommande SIGGRAPH Asia 2018 konferensen om datorgrafik i december förklarade Clegg och hans kollegor den exakta tekniken som de använde, en typ av maskininlärning kallad "djupt förstärkt lärande".

Målet med djupt förstärkt lärande är att försöka undervisa robotar hur man fullbordar vissa rörelser och uppgifter genom att få dem att göra det om och om igen. När det gäller dressing A.I hade Cleggs lag A.I. observera processens virtuella miljö, replikera den och belönas sedan när det verkade vara på rätt spår.

Clegg förklarade att det tog hundratusentals försök för att få den korvformade animerade karaktären de utvecklade för att lära sig att sätta på en jacka eller t-shirt. När allt kommer omkring, måste deras bot lära sig hur man uppfattar beröring så att det skulle kunna skjuta skjortan när det behövdes. Dessutom behövde de också införliva en fysikmotor för att göra simuleringen så exakt som möjligt för livet.

I slutändan lyckades Cleggs klumpiga, animerade son lära sig att få på sig skjortan, även om den var lite inelegantly. Resultatet kan ändå vara mest användbart som ett bevis på koncept för hur djupt lärande kan användas för att lösa nyanserade problem.

"Det är spännande att föreställa sig den mängd problem vi kan lösa med djupt förstärkt lärande", säger han. "Vi ser fram emot att fortsätta arbeta för att möjliggöra robotik och hitta lösningar på stora problem som påverkar vardagen för så många människor."

Omvandling av resultaten av resultaten av denna studie för att arbeta med robotteknik kommer att ta lite mer arbete för att harmonisera både programvaru- och hårdvaruaspekter. Men Cleggs fynd utgör en väg för forskare som är intresserade av att befria våra futuristiska robotar från deras nuvarande begränsningar.