Virtuele robots zijn opgeschoven naar een eliteplatform dat zich toelegt op het verbeteren van hun spel. Het platform heet AI Habitat.

Dit is de verdienste van onderzoekers van Facebook, die erkennen dat de agenten een betere, levensechte omgeving nodig hebben om goed te kunnen functioneren terwijl ze zich een weg banen van slaapkamer naar gangen, door museumgangen, uit en bewegen in winkels.

technische kijkers, vooral degenen die het uitgebreide onderwerp kunstmatige intelligentie behandelen, hebben de voortgang bekeken van iets dat AI Habitat heet. Het is een open platform voor belichaamd AI-onderzoek.

In de Facebook AI-blog, de auteurs zeiden dat het deel uitmaakte van de inspanningen van Facebook AI om systemen te creëren die "minder afhankelijk zijn van grote geannoteerde datasets die worden gebruikt voor begeleide training. Naarmate meer onderzoekers het platform adopteren, kunnen we gezamenlijk sneller belichaamde AI-technieken ontwikkelen, en realiseren we de grotere voordelen van het vervangen van de trainingsgegevenssets van gisteren door actieve omgevingen die een betere afspiegeling zijn van de wereld waarin we machine-assistenten voorbereiden om in te werken."

Zal Ridder in MIT Technology Review zei dat "Terwijl andere simulatie-engines rond de 50 tot 100 frames per seconde draaien, Facebook zegt dat AI Habitat op meer dan 10 draait, 000 beelden per seconde, wat het mogelijk maakt om AI-agenten snel te testen."

Het doel ervan is de training van belichaamde AI-agenten mogelijk te maken, virtuele robots in een fotorealistische 3D-simulator, alvorens de geleerde vaardigheden naar de realiteit over te brengen.

Maar wacht, stap een beetje terug en pauzeer. Begrijpen we echt waar ze het over hebben, bij het gebruik van de uitdrukking "belichaamde AI?" Hun uitgebreidere uitleg in een AI-blog is van twee onderzoekswetenschappers en twee onderzoeksingenieurs. De vier verduidelijken wat ze in Habitat van plan waren te doen.

Van een robot die werd gevraagd om een ​​telefoon van het bureau boven te pakken tot een apparaat dat slechtzienden helpt navigeren door een onbekend metrosysteem, de volgende generatie AI-aangedreven assistenten zal een reeks vaardigheden moeten demonstreren. Veel onderzoekers zijn van mening dat de meest effectieve manier om deze vaardigheden te ontwikkelen is om zich te concentreren op belichaamde AI, die interactieve omgevingen gebruikt om systeemtraining in de echte wereld te aarden, in plaats van te vertrouwen op statische datasets.

Dit Habitat-team sprak ook over de Habitat Challenge. In de uitdaging, geüploade agenten worden geëvalueerd in onzichtbare omgevingen om te testen op generalisatie.

"In tegenstelling tot traditionele uitdagingen waarbij mensen voorspellingen uploaden op basis van een taak die verband houdt met een bepaalde benchmark, zoals ImageNet of VQA, "volgens een blogpost, "hiervoor moesten deelnemers code uploaden. De code werd uitgevoerd in nieuwe omgevingen die hun agenten nog niet eerder hadden gezien."

De Habitat-API wordt op GitHub beschreven als een "modulaire bibliotheek op hoog niveau om belichaamde AI-agenten te trainen voor een verscheidenheid aan taken, omgevingen, en simulatoren."

De Habitat API is een 3D-simulator "met configureerbare agents, meerdere sensoren, en generieke verwerking van 3D-datasets."

Amrita Khalid, Engadget , werd getroffen door de fotorealistische 3D-simulaties van een woonkamer met hun scherpe details en hoe "echt" alles was, tot aan de velourstextuur op de bank en de reflecterende wandspiegel:"Replicasimulatie van een woonkamer is bedoeld om alle subtiele details vast te leggen die je in een echte woonkamer zou kunnen vinden."

Khalid meldde dat Facebook Reality Labs de dataset van fotorealistische voorbeeldruimten genaamd Replica heeft vrijgegeven. Sommige onderzoekers hebben al een proefrit gemaakt met Replica en AI Habitat, zei Khalid. "Facebook AI organiseerde onlangs een autonome navigatie-uitdaging op het platform."

Replica is een onderzoeksproject gemaakt door Facebook Reality Labs. Replica wordt beschreven als een fotorealistische re-creatie van 18 voorbeeldruimtes, zoals een kantoorvergaderruimte en een huis met twee verdiepingen, opgezet door onderzoekers. Replica kan worden geladen in AI Habitat. "Door een AI-bot te trainen om te reageren op een commando als 'breng mijn sleutels' in een Replica 3D-simulatie van een woonkamer, onderzoekers hopen dat het ooit hetzelfde kan doen met fysieke robots in een echte woonkamer."

Zoals Will Knight zei in MIT Technology Review , het gewenste resultaat zou zijn "zodat hun AI-algoritmen kunnen leren hoe de echte wereld werkt." Dit zou kunnen maken, in theorie, robots en chatbots slimmer.

Het team van Facebook heeft goede redenen waarom dit allemaal van belang is:het trainen van deze virtuele robots in deze virtuele ruimtes maakt een verschuiving mogelijk van 'internet-AI' op basis van statische datasets naar 'belichaamde AI waar agenten handelen in realistische omgevingen, actieve waarneming naar voren te brengen, lange termijn planning, leren van interactie, en het houden van een dialoog gegrond in een omgeving."

Een gebied dat zou kunnen profiteren van deze onderzoeksinspanningen zijn huishoudelijke robots die zich aanpassen aan nieuwe huizen en gepersonaliseerde taken zonder omgeschoold te worden.

Knight maakte een punt over het grotere geheel van AI:"Een gebrek aan gezond verstand is een in het oog springend probleem voor de AI-systemen van vandaag. In tegenstelling tot een persoon, een chatbot of robot kan niet vertrouwen op begrip van de wereld - dingen als natuurkunde, logica, en sociale normen - om de bedoeling van een dubbelzinnig commando te achterhalen."

Deze virtuele ruimtes kunnen worden geladen in de nieuwe AI Habitat, waarbinnen AI-programma's kunnen verkennen en leren. De algoritmen worden eerst getraind om objecten in verschillende settings te herkennen. Maar na verloop van tijd, Ridder zei, ze zouden wat gezond verstand moeten opbouwen over de conventies van de fysieke wereld, zoals het feit dat tabellen doorgaans andere objecten ondersteunen.

© 2019 Wetenschap X Netwerk