Denna otroliga robot kan lära sig från människor bara genom att titta på dem

$config[ads_kvadrat] not found

Boston Dynamics: Nya robotar attackerar nu tillbaka

Boston Dynamics: Nya robotar attackerar nu tillbaka
Anonim

Om robotassistenterna på en dag kommer att befria dig från ditt hushållsansvar, behöver de inte bara ha händer i första hand, de måste också kunna lära sig vad de ska göra med dem.

Lyckligtvis är ett team av forskare vid University of California, Berkeley, redan på fallet, så att framtida robotar är adepta för att tolka visuell information och översätta det till stegvisa uppgifter som det kan slutföra på egen hand.

Den här nya sorteringsbenen skapades av medförfattare Tianhe Yu och Chelsea Finn, som tillsammans publicerade resultaten av experimentet i juli. I papperet förklarar de hur de kunde träna en kommersiellt tillgänglig robot, kallad PR2, för att placera hushållsobjekt i färgkodade behållare genom att se dem göra det först. De uppnådde detta genom att mata ett neuralt nätverk av Yu att sätta en persika i en skål och efter den första demonstrationen, vilket ledde till att PR2 efterliknade dessa åtgärder.

Detta är # 20 på Inverses lista över de 20 sätten A.I. Blivit mer mänsklig år 2018.

Det här är ett stort steg mot inte bara robotbutiker, utan även konstruktion, rengöring och potentiellt jämn sportspel. Nyckeln till genombrottet är att i stället för att behöva speciellt programmera bots för varje enskild uppgift, kunde ägarna teoretiskt bara visa dem vad de ska göra själva. Det är skillnaden mellan en futuristisk Alexa som vet hur man lägger på tvätt och en robot som vet hur du som din tvättvikt

Att göra det möjligt för robotar att återskapa handlingar som utförs av en människa var ingen enkel prestation, och tidigare forskning krävde vanligtvis att en robot skulle utbildas av en annan robot. Människans lemmar rör sig inte helt som robotarmar, vilket gör det svårt för A.I. att spåra och imitera de rörelser vi använder för att åstadkomma våra dagliga liv.

Yu och Finn tänkte ut hur man kan övervinna denna hinder genom att helt enkelt ha PR2 fokus på var objektet behövde gå, i stället för på vilket sätt det behövde flytta det. På så sätt hjälpte de till att öppna dörren som inte bara kan rengöra, men vem som lätt kan undervisas av icke-specialister.

$config[ads_kvadrat] not found