Η εκμάθηση μέσω μίμησης ανθρώπινης δραστηριότητας είναι μία αποδεδειγμένα αποτελεσματική μέθοδος «εκπαίδευσης» ενός ρομπότ πάνω στην πραγματοποίηση εργασιών, αλλά μπορεί να απαιτήσει πολύ μεγάλο χρονικό διάστημα.Τις δυνατότητες που παρέχει το crowdsourcing όσον αφορά στην «εκπαίδευση» ενός ρομπότ πάνω στην πραγματοποίηση εργασιών επέδειξαν ερευνητές του University of Washington (UW). Αντί να «μαθαίνουν» από έναν και μόνο άνθρωπο, τα ρομπότ κάποια στιγμή θα μπορούσαν να αποκτήσουν τη δυνατότητα να απευθύνονται στην τεράστια online κοινότητα, ζητώντας οδηγίες και πληροφορίες σχετικά με τον καλύτερο τρόπο να φέρουν σε πέρας «αποστολές» που τους ανατίθενται- όπως το πότισμα ενός κήπου ή τη μετακίνηση ενός τραπεζιού.
Η ομάδα των ερευνητών παρουσίασε τα αποτελέσματα της δουλειάς της στην International Conference on Robotics and Automation στο Χονγκ Κονγκ στις αρχές του Ιουνίου. «Προσπαθούμε να δημιουργήσουμε μία μέθοδο για να μπορεί να ζητήσει ένα ρομπότ βοήθεια από όλο τον κόσμο όταν μπερδεύεται από κάτι» αναφέρει ο Ρατζές Ράο, επίκουρος καθηγητής επιστήμης υπολογιστών και μηχανολογίας και διευθυντής του Center for Sensorimotor Neural Engineering του UW. «Είναι ένας τρόπος να πάμε πέρα από την αλληλεπίδραση one-on-one μεταξύ ενός ανθρώπου και ενός ρομπότ, μαθαίνοντας επίσης από άλλους ανθρώπους σε όλο τον κόσμο».
UNIVERSITY OF WASHINGTON
Έχοντας τη δυνατότητα να «αντλήσει» πληροφορίες από πάνω από 100 μοντέλα κάθε μορφής που υπήρχε στην κατασκευή (που περιελάμβανε ένα αυτοκίνητο, μία χελώνα, ένα φίδι κ.α.), το ρομπότ έψαξε τα καλύτερα μοντέλα για να ανακατασκευάσει βάσει της δυσκολίας κατασκευής, του βαθμοί ομοιότητας με το αυθεντικό και τις αξιολογήσεις που έδωσε η ίδια κοινότητα.
Η εκμάθηση μέσω μίμησης ανθρώπινης δραστηριότητας είναι μία αποδεδειγμένα αποτελεσματική μέθοδος «εκπαίδευσης» ενός ρομπότ πάνω στην πραγματοποίηση εργασιών, αλλά μπορεί να απαιτήσει πολύ μεγάλο χρονικό διάστημα. Ωστόσο, εάν το ρομπότ μπορούσε να μάθει κάποια «βασικά» βήματα και στη συνέχεια να ρωτήσει την online κοινότητα για επιπλέον πληροφορίες, τότε θα μπορούσε να συλλέξει επιπλέον δεδομένα σχετικά με το πώς θα ολοκληρώσει τη δουλειά του σωστά και αποτελεσματικά.
«Επειδή τα ρομπότ μας χρησιμοποιούν τεχνικές machine learning, απαιτούν πολλά δεδομένα για να δημιουργήσουν ακριβή μοντέλα της αποστολής. Όσο περισσότερα δεδομένα έχουν, τόσο καλύτερα μοντέλα μπορούν να φτιάξουν. Η λύση μας είναι να παίρνουν αυτά τα δεδομένα μέσω crowdsourcing» αναφέρει η Μάγια Κάκμακ, επίκουρη καθηγήτρια επιστήμης υπολογιστών και μηχανολογίας του UW.
Στο πλαίσιο της μελέτης δόθηκε η δυνατότητα πρόσβασης στην online crowdsourcing κοινότητα για τον σκοπό τη εκπαίδευσης ενός ρομπότ πάνω στη διαδικασίας δημιουργίας μοντέλων. Ξεκινώντας, οι συμμετέχοντες στη μελέτη έφτιαξαν ένα μεμονωμένο μοντέλο από τουβλάκια Lego. Στη συνέχεια ζήτησαν από ένα ρομπότ να φτιάξει ένα παρόμοιο. Το αποτέλεσμα δεν ήταν το επιθυμητό, καθώς τα παραδείγματα που είχαν δοθεί στο ρομπότ από τους συμμετέχοντες ήταν ανεπαρκή.
Για τη συλλογή επιπλέον δεδομένων για την κατασκευή των αντικειμένων/ μοντέλων, τα ρομπότ της έρευνας στράφηκαν στο κοινό: ειδικότερα «προσελήφθησαν» άτομα μέσω του Amazon Mechanical Turk (ιστοσελίδα crowsourcing), για τη δημιουργία παρόμοιων κατασκευών. Έχοντας τη δυνατότητα να «αντλήσει» πληροφορίες από πάνω από 100 μοντέλα κάθε μορφής που υπήρχε στην κατασκευή (που περιελάμβανε ένα αυτοκίνητο, μία χελώνα, ένα φίδι κ.α.), το ρομπότ έψαξε τα καλύτερα μοντέλα για να ανακατασκευάσει βάσει της δυσκολίας κατασκευής, του βαθμοί ομοιότητας με το αυθεντικό και τις αξιολογήσεις που έδωσε η ίδια κοινότητα. Στη συνέχεια, το ρομπότ έφτιαξε τα καλύτερα δυνατά μοντέλα.
Use Facebook to Comment on this Post
