Wie heeft kaarten nodig? Facebook heeft een indrukwekkende prestatie neergezet met AI die zonder kaart kan navigeren.

Facebook's wens om op te scheppen, hoewel ze zeiden dat ze nog een weg te gaan hebben, waren duidelijk in zijn blogpost, "Bijna perfecte punt-doelnavigatie van 2,5 miljard ervaringsframes."

Om een ​​lang verhaal kort te maken, Facebook heeft een algoritme geleverd dat, citeren MIT Technology Review , laat robots de kortste route vinden in onbekende omgevingen, de deur openen voor robots die in huizen en kantoren kunnen werken."

En, in lijn met de eenvoudige, Ubergizmo 's Tyler Lee merkte ook op:"Facebook is van mening dat met dit nieuwe algoritme, het zal in staat zijn om robots te maken die door een gebied kunnen navigeren zonder de noodzaak van kaarten... in theorie, je zou een robot in een kamer of een gebied kunnen plaatsen zonder kaart en hij zou zijn weg naar zijn bestemming moeten kunnen vinden."

Erik Wijmans en Abhishek Kadian in de Facebook-post van 21 januari zeiden dat, goed, ten slotte, een van de belangrijkste technologische uitdagingen is "deze systemen leren navigeren door complexe, onbekende real-world omgevingen om een ​​gespecificeerde bestemming te bereiken - zonder een vooraf verstrekte kaart."

Facebook is de uitdaging aangegaan. De twee kondigden aan dat Facebook AI een grootschalig gedistribueerd leeralgoritme voor versterking heeft gemaakt, DD-PPO genaamd. "die de taak van punt-doelnavigatie effectief heeft opgelost met alleen een RGB-D-camera, GPS, en kompasgegevens, " Zij schreven.

DD-PPO staat voor gedecentraliseerde gedistribueerde proximale beleidsoptimalisatie. Dit is wat Facebook gebruikt om agenten te trainen en de resultaten die werden gezien in virtuele omgevingen zoals huizen en kantoorgebouwen waren bemoedigend. De bloggers wezen erop dat "zelfs 1 op de 100 keer falen niet acceptabel is in de fysieke wereld, waar een robotagent zichzelf of zijn omgeving kan beschadigen door een fout te maken."

Voorbij DD-PPO, de auteurs gaven de eer aan Facebook AI's open source AI Habitat-platform voor zijn "state-of-the-art snelheid en trouw." AI Habitat maakte vorig jaar zijn open source-aankondiging als een simulatieplatform om belichaamde agenten zoals virtuele robots te trainen in fotorealistische 3D-omgevingen. Facebook zei dat het deel uitmaakt van "Facebook AI's voortdurende inspanning om systemen te creëren die minder afhankelijk zijn van grote geannoteerde datasets die worden gebruikt voor begeleide training."

(Douglas Heaven in MIT Technology Review :Terwijl Facebook drie dagen lang bots trainde in AI Habitat, "Anderen hebben een maand of langer nodig gehad om bots te trainen in een vergelijkbare taak, maar Facebook versnelde de zaken enorm door de langzaamste bots uit het zwembad te halen, zodat snellere niet elke ronde bij de finish hoefden te wachten.")

InfoQ had in juli gezegd dat "de technologie een andere benadering hanteerde dan te vertrouwen op statische datasets die andere onderzoekers traditioneel gebruikten en dat Facebook besloot deze technologie open source te maken om dit subveld vooruit te helpen."

Jon Fingas in Engadget keek naar hoe het team werkte aan AI-navigatie (en dit is waar dat aantal van 25 miljard binnenkomt). "Eerdere projecten hebben de neiging om te worstelen zonder enorme rekenkracht. Facebook leerde een virtuele agent om point-to-point navigatie af te handelen voor het equivalent van 80 jaar menselijke ervaring - dat zijn ongeveer 2,5 miljard stappen."

Het resultaat was een algoritme dat in binnenomgevingen slim genoeg was om de juiste splitsing in het pad te kiezen (in plaats van tijd te verspillen aan het teruglopen) en snel fouten te herkennen als ze de verkeerde kant op gingen.

De hemel, in zijn MIT Technology Review item, was ook nuttig om het nummer in context te plaatsen. "Facebook heeft drie dagen lang bots getraind in AI Habitat, een fotorealistische virtuele mock-up van het interieur van een gebouw, met kamers en gangen en meubels. In die tijd hebben ze 2,5 miljard stappen gezet - het equivalent van 80 jaar menselijke ervaring."

Onderzoekers die zich concentreerden op projecten rond ondersteunende robots, beschouwen navigatiefuncties als cruciaal. "Navigatie is essentieel voor het creëren van AI-agenten en assistenten die mensen in de fysieke wereld helpen, van robots die een object van een bureau boven kunnen halen, tot systemen die mensen met een visuele beperking helpen, aan AI-gestuurde assistenten die relevante informatie presenteren aan mensen die een augmented reality-bril dragen, ’ schreven Wijmans en Abhishek Kadiana.

De auteurs pleitten voor een wereld die minder afhankelijk is van kaarten, te. kaarten, ze hadden ruzie, "verouderen op het moment dat ze worden gemaakt. De meeste omgevingen in de echte wereld evolueren - gebouwen en structuren veranderen, objecten worden verplaatst, en mensen en huisdieren zijn constant in beweging."

Wat is het volgende? "We hopen voort te bouwen op het succes van DD-PPO door systemen te creëren die punt-doelnavigatie mogelijk maken met alleen camera-invoer - en zonder kompas of GPS-gegevens."

Waarom geen kompas- of GPS-gegevens? In een bericht van 21 januari, Wijmans en Kadian zeiden dat "kompas- en GPS-gegevens luidruchtig kunnen zijn of gewoon niet beschikbaar zijn in binnenruimtes. We zullen ook DD-PPO-getrainde modellen toepassen op verschillende taken."

Fingas in Engadget was onder de indruk van hun "gedistribueerde leeralgoritme voor versterking dat niet alleen 99,9 procent van de tijd zijn bestemming bereikt zonder kaarten te gebruiken, maar kan dat doen met slechts drie procent afwijking van het ideale pad."

Werkelijk, zei de hemel in MIT Technology Review , "Het vinden van routes zonder kaart is essentieel voor robots van de volgende generatie, zoals autonome bezorgdrones of robots die in huizen en kantoren werken."

Fingas had dit te zeggen over de technologie in het algemeen:het is nog "erg jong. Het moet buiten of complexe situaties nog aan, en het kan langeafstandsnavigatie niet goed aan als het sensoren moet verliezen." Fingas merkte op dat Facebook zijn werk deelde in de hoop op verdere vooruitgang.

© 2020 Wetenschap X Netwerk