100 معیار تکالیف مانند رباتیک ستاره شمالی هستند
او این را به اشتراک می گذارد
عضو
شما آزاد هستید که این مقاله را تحت مجوز Attribution 4.0 International به اشتراک بگذارید.
محققان معیارهایی را برای 100 تکلیف روزانه برای دستیاران ربات ایجاد کرده اند و مسیری را برای عوامل مفیدتر ایجاد کرده اند.
ربات هایی که هر کاری از کمک به افراد در پوشیدن لباس صبحگاهی تا شستن (و مرتب کردن) ظروف انجام می دهند، از زمانی که مردم کلمات "هوش مصنوعی" را به زبان می آورند، رویا بوده اند.
اما در منطقه‌ای که در حال حاضر وضعیت هنر با آن سطح از پیچیدگی فاصله دارد، یک چالش بزرگ پدید آمده است: اگر روزی برسد که روبات‌ها بتوانند این وظایف کلیدی را مطابق با استانداردهای انسانی انجام دهند، «موفقیت» چگونه خواهد بود.
برای انجام این کارهای روزمره اما به طرز شگفت انگیزی پیچیده، ربات باید بتواند با آگاهی کامل از ابعاد فیزیکی و قابلیت های خود، و همچنین از جهان و اشیاء اطراف آن، درک، استدلال و کار کند. در رباتیک، این ترکیب از هوشیاری و توانایی های موقعیتی و فیزیکی به عنوان هوش مصنوعی تجسم یافته شناخته می شود.
اکنون محققان معیاری را برای فعالیت های روزمره خانگی در یک محیط مجازی، تعاملی و سازگار با محیط زیست (BEHAVIOR) راه اندازی کرده اند.
این یک کاتالوگ با جزئیات فیزیکی و فکری 100 کار روزانه خانه - شستن ظروف، جمع آوری اسباب بازی ها، تمیز کردن کف و غیره است. - و انجام این وظایف در چندین خانه شبیه سازی شده.
اخیراً سندی در مورد رفتار کنفرانس آموزشی ربات (CoRL) به تصویب رسیده است.
دستیاران ربات در خانه
BEHAVIOR مجموعه ای از فعالیت های واقع گرایانه، متنوع و پیچیده را با یک زبان منطقی و نمادین جدید، یک شبیه ساز سه بعدی کاملا کاربردی با رابط واقعیت مجازی و مجموعه ای از شاخص های موفقیت ناشی از کار افرادی که وظایف مشابهی را در واقعیت مجازی انجام می دهند، اشباع می کند. به طور کلی، BEHAVIOR طیف وسیعی از وظایف و سطحی از توصیفات دقیق را برای هر کار ارائه می دهد که قبلاً در هوش مصنوعی موجود نبود.
جیاجون وو، دستیار علوم کامپیوتر و نویسنده ارشد مقاله می گوید: «اگرچه هر یک از این وظایف به خودی خود بسیار پیچیده است، چالش ایجاد رباتی را تصور کنید که می تواند همه این کارها را انجام دهد. "ایجاد این معیارها در حال حاضر، قبل از اینکه منطقه بیش از حد تکامل یابد، به شناسایی اهداف مشترک بالقوه برای جامعه کمک می کند.
تصور کنید که یک ربات برای انجام یک کار ساده مانند تمیز کردن میز باید بر مشکلات زیادی غلبه کند.
ربات نه تنها باید بفهمد و بفهمد که کانتر چیست، کجا آن را پیدا کند، نیاز به تمیز کردن و ابعاد فیزیکی کانتر دارد، بلکه باید بفهمد که از چه ابزار و محصولاتی برای تمیز کردن آن استفاده می شود و چگونه حرکات آن را هماهنگ کند. سپس ربات باید قدم به قدم بهترین اقدام مورد نیاز برای تمیز کردن میز را تعیین کند. حتی نیاز به درک پیچیده ای از چیزهایی دارد که مردم به آنها فکر نمی کنند، مانند اینکه چه ابزارها یا موادی "غوطه ور" هستند و چگونه می توان صفحه پیشخوان را "تمیز" پیدا کرد و اعلام کرد.
در BEHAVIOR، این سطح از پیچیدگی در 100 فعالیت انجام شده در بسیاری از خانه های شبیه سازی شده مختلف به دست می آید.
هر یک از این مراحل (ناوبری، جستجو، گرفتن، تمیز کردن، ارزیابی) ممکن است به ساعت ها یا حتی روزها آموزش در یک شبیه سازی نیاز داشته باشد - بسیار فراتر از توانایی های روبات های خودران فعلی.
روبرتو مارتین مارتین، دانشجوی دکترای علوم کامپیوتر که روی جنبه‌های برنامه‌ریزی کار می‌کند، می‌گوید: «تصمیم‌گیری برای بهترین راه برای دستیابی به یک هدف بر اساس آنچه ربات در مورد محیط و توانایی‌های خود می‌داند و می‌داند، یکی از جنبه‌های مهم رفتار است. از معیار.
"این نه تنها مستلزم درک محیط و آنچه باید انجام شود، بلکه به ترتیبی که برای رسیدن به یک کار باید انجام شود نیز نیاز دارد. همه اینها برای 100 کار در محیط های مختلف!
"ستاره شمالی" برای روبات ها
در ایجاد معیار BEHAVIOR، تیم به رهبری مدیر مؤسسه هوش انسانی استنفورد و دانشمند رایانه، Faye-Faye Lee، همراه با متخصصان علوم رایانه، روانشناسی و علوم اعصاب، ستاره شمالی را ایجاد کردند که یک نقطه مرجع بصری است. برای ارزیابی موفقیت راه‌حل‌های هوش مصنوعی آینده، که می‌تواند برای توسعه و آموزش دستیاران رباتیک در محیط‌های مجازی که سپس برای کار در محیط‌های تحت اللفظی مهاجرت می‌کنند، استفاده شود - الگویی که در این زمینه به‌عنوان «سیم به واقعی» شناخته می‌شود. ”
سانجانا سریواستاوا، یکی از نویسندگان این مقاله، می گوید: «این جهش از شبیه سازی به دنیای واقعی یک چیز بی اهمیت است، اما نتایج بسیار امیدوارکننده ای در آموزش ربات ها در شبیه سازی و سپس قرار دادن همان الگوریتم در یک ربات فیزیکی به دست آمده است. دی یک نامزد در علوم کامپیوتر که در جنبه های تعریف وظایف معیار تخصص دارد.
مایکل لینگلباخ، یکی از نویسندگان این مقاله، دانشجوی دکترای علوم اعصاب، گفت: «من به طور خاص درگیر شدم تا ببینم تا چه حد می توانیم در فناوری شبیه سازی پیش برویم. "Sim to real یک حوزه بزرگ در تحقیقات روباتیک است و ما دوست داریم توسعه کامل تری را شاهد باشیم. کار با یک شبیه ساز فقط یک راه بسیار مقرون به صرفه تر برای نزدیک شدن به روباتیک است."
سپس تیم BEHAVIOR امیدوار است راه حل های اولیه را برای معیار ارائه کند، در حالی که آن را با کارهای جدیدی که در حال حاضر محک نشده اند، گسترش دهد. به گفته این تیم، این تلاش نیاز به ورودی از کل حوزه دارد: رباتیک، بینایی کامپیوتر، گرافیک کامپیوتری، علوم شناختی. از سایر محققان دعوت می شود تا راه حل های خود را امتحان کنند. برای این منظور، نسخه فعلی BEHAVIOR منبع باز است و به صورت عمومی در Behavior.stanford.edu در دسترس است.
چنگشو لی، یکی از نویسندگان، دانشجوی دکترا در علوم کامپیوتر می گوید: «اگر به این صد فعالیت در سطح جزئیاتی که ارائه می کنیم فکر کنید، متوجه می شوید که تحلیل مقایسه ای چقدر دشوار - و مهم است. «از این نظر، رفتار نهایی نیست. ما به تکرار و اضافه کردن وظایف جدید به لیست خود ادامه خواهیم داد."
منبع: دانشگاه استنفورد
[ad_2]