Zastanawiałeś się kiedyś, jak fajnie byłoby, gdyby twój robot odkurzacz mógł ominąć porozrzucane zabawki na podłodze, zamiast utknąć w jednym miejscu? Dzięki naukowcom z Georgia Tech, to marzenie może stać się rzeczywistością. Naoki Yokoyama i jego zespół doktorantów pracują nad stworzeniem robota, który nie tylko odzyska równowagę po potknięciu, ale będzie mógł chodzić po bałaganie, który często spotykamy w naszych domach.
ViNL: wizualna nauka i poruszanie
Aby osiągnąć swój cel, naukowcy stworzyli nową strategię szkolenia, łącząc politykę wysokiej jakości nawigacji wizualnej z polityką lokomocji wizualnej. To podejście otrzymało nazwę ViNL (Visual Navigation and Locomotion) i do tej pory, to właśnie dzięki niemu, roboty poradziły sobie w symulowanych, zabałaganionych środowiskach z aż 72,6% skutecznością.
Obie polityki są wolne od modelu – maszyna uczy się na podstawie własnej symulacji i nie naśladuje żadnych wcześniej istniejących wzorców zachowań. Taki proces nauki jest bardzo naturalny i przypomina sposób, w jaki uczą się dzieci – przez próby, błędy i odkrywanie na nowo.
Nawigacyjna polityka wizualna uczy robota poprzez motywację do osiągnięcia celu. W tym przypadku motywacją jest zdolność do poruszania się z punktu A do punktu B, omijając wszelkie przeszkody. Daje mu zadanie i otrzymuje punkty za to, jeśli je skutecznie wykona.
Polityka lokomocji uczy, jak używać swoich kończyn do przejścia przez obiekt, w tym jak wysoko powinien podnieść swoje nogi. Dzięki wprowadzeniu pamięci i świadomości przestrzennej do architektury sieci, zespół nauczył robota, kiedy i gdzie dokładnie powinien przekroczyć przeszkodę.
Przyszłość domowej robotyki wygląda obiecująco, dzięki postępom w nauczaniu maszyn pokonywania przeszkód. Możemy spodziewać się, że będą one coraz bardziej wszechstronne i użyteczne w codziennym życiu.
