Om complexe dagelijkse taken uit te voeren, zoals het gebruik van apparatuur, koken of meubels maken, robots moeten hun acties kunnen plannen en objecten in hun omgeving kunnen manipuleren. Tot dusver, echter, robots leren ingewikkelde taken uit te voeren, zoals die waarvoor planning over een aanzienlijke periode vereist is, bleek nogal uitdagend, ook vanwege een gebrek aan betrouwbare gesimuleerde omgevingen om ze in te testen.

Met dit in gedachten, onderzoekers van de University of Southern Carolina hebben onlangs de IKEA meubelmontageomgeving ontwikkeld, een simulatieplatform waar onderzoekers kunstmatige intelligentie (AI)-agenten kunnen testen op complexe manipulatietaken. In de omgeving die ze ontwikkelden, gepresenteerd in een paper dat vooraf is gepubliceerd op arXiv, agenten kunnen worden beoordeeld op een verscheidenheid aan manipulatietaken waarbij verschillende meubels worden gebouwd en gemanipuleerd.

"De omgeving is ontworpen om versterkend leren te bevorderen, van eenvoudige speelgoedtaken tot complexe taken die zowel langetermijnplanning als geavanceerde besturing op laag niveau vereisen, ’ schreven de onderzoekers in hun paper.

Het monteren van meubels kan zelfs voor mensen een uitdagende taak zijn, omdat het doorgaans zowel langetermijnplanning als geavanceerde manipulatievaardigheden vereist. De door de onderzoekers ontwikkelde omgeving, die vrij eenvoudig te gebruiken is, heeft een aantal interessante functies. Omdat het een enorme hoeveelheid synthetische gelabelde gegevens genereert, het kan worden gebruikt om computervisiemodellen te trainen voor een breed scala aan taken, inclusief schatting van de objectpositie, scène begrip, en nog veel meer, zonder dat er door mensen geannoteerde gegevens nodig zijn.

In aanvulling, de omgeving kan dienen als maatstaf voor machinale leermethoden die zijn ontworpen voor meubelmontage of andere manipulatietaken op lange termijn, hun controle- en planningscapaciteiten te verbeteren. interessant, de door het platform geproduceerde visuele en interactieve gegevens kunnen ook worden gebruikt om domeinspecifieke kennis op te doen voor andere toepassingen, zoals intuïtieve natuurkundige modellen.

De IKEA meubelmontageomgeving ondersteunt meer dan 80 meubelmodellen en kan worden aangepast met achtergrondafbeeldingen, verlichting en texturen. Het zou uiteindelijk kunnen worden gezien als een testbed voor machine learning-technieken die zijn ontworpen om robots geavanceerde vaardigheden voor objectmanipulatie te geven.

Tot dusver, de omgeving kan worden gebruikt om drie robots van verschillende vormen en maten te trainen of te testen, genaamd cursor, Sawyer en Baxter. In de volgende update, echter, de onderzoekers zijn ook van plan ondersteuning voor Fetch toe te voegen, UR, Jaco en andere populaire robots.

In de toekomst, deze aanpasbare omgeving zou nieuwe mogelijkheden kunnen bieden voor het trainen en evalueren van tal van machine learning-technieken voor robotica-toepassingen. Ondertussen, de onderzoekers zijn van plan om het platform te updaten en enkele van zijn functies te verbeteren.

Bijvoorbeeld, ze willen ondersteuning voor 3D-bewegingsapparaten toevoegen, waarmee gebruikers robots op afstand kunnen bedienen en demonstratievideo's kunnen maken met behulp van een VR-controller of 3D-muis. Deze demonstratievideo's kunnen vervolgens worden gebruikt om machinale leermodellen te trainen, met behulp van een strategie die bekend staat als imitatie leren.

In toekomstige versies van het platform, gebruikers kunnen ook worden toegestaan ​​om robots te begeleiden via gesproken instructies, en misschien zelfs meerdere agenten tegelijk kunnen trainen. Bovendien, robots kunnen uiteindelijk worden getraind in het gebruik van specifieke tools, zoals schroevendraaiers en hamers.

© 2019 Wetenschap X Netwerk