Zero
Robot di formazione di eseguire compiti semplici con il cosiddetto ” deep learning ha avuto un successo limitato, ma a San Francisco, in avvio offre un barlume di speranza per il futuro lavoro.
Parenti, un tre-anno-vecchio di avvio, giovedì offerto un research paper presentato al 2 ° Convegno su Robot di Apprendimento a Zurigo, in Svizzera.
La spinta della carta è che roboticisti bisogno di stabilire una base di parametri di riferimento su come l’apprendimento automatico, e particolarmente profondo di apprendimento, eseguire prima del mondo reale progresso può essere fatto.
La carta non si dimostra di machine learning può insegnare a un robot di spostarsi; è, piuttosto, suggerisce che ci sono modi per identificare sistematicamente le sfide per fare in modo, come base per il futuro lavoro.
Anche: Top 5: le Cose da sapere riguardo AI TechRepublic
Nel rapporto, “il Benchmarking di Rinforzo Algoritmi di Apprendimento nel Mondo Reale Robot” pubblicato su arXiv il 20 settembre, gli autori, A. Rupam Mahmood, Dmytro Korenkevych, Gautham Vasan, William Ma, e James Bergstra, ha preso tre disponibili in commercio di robot e li fece spostare nello spazio di un percorso di destinazione.
Il rafforzamento dell’apprendimento, una forma di rete neurale artificiale in cui il sistema migliora la funzione di errore, come si è dato una “ricompensa” è stato impiegato in quattro gusti diversi. Il punto è stato vedere come i tre robot fatto con quattro diversi algoritmi su più versioni di questi test di base di funzionamento di un motore.
Come notano gli autori, studi fino ad oggi hanno per lo più simulato robot all’interno di un programma software non testato reale movimentazione robotica. Per esempio, Un 2016 studio da Duan et al., l’Università della California a Berkeley dipartimento di ingegneria elettrica e informatica, ha cercato di stabilire dei punti di riferimento per l’apprendimento profondo come simulato dal computer-generated automi in movimento in una sorta di video-gioco ambiente.
Come Mahmood e colleghi scrivono nella carta corrente, “il Rafforzamento dell’apprendimento della ricerca con il mondo reale robot è ancora pienamente abbracciare e coinvolgere il più puro e più semplice forma di rinforzo problema di apprendimento istruzione-un agente di massimizzare la sua ricompensa da imparare dalla sua esperienza di prima mano di tutto il mondo.
Lo studio condotto 450 esperimenti con robot in più di 950 ore.
Anche: MIT alza la posta a ottenere uno AI insegnare altro
I robot sono stati analizzati i “UR5,” Universale Robotica in collaborazione “braccio”, un’armatura che si può piegare e muoversi attraverso lo spazio; la “MX-64AT Dynamixel,” da Assi, un “attuatore” che è popolare per il controllo di un certo numero di diversi robot, e “iRobot Create2,” una sorta di versione ridotta del iRobot “Roomba” aspirapolvere. https://www.irobot.com
Un importante risultato è che i deep learning gal modo dietro la formazione di robot in modo convenzionale, con gli script. “In generale, RL soluzioni sono state superato da script soluzioni, con un ampio margine in alcuni compiti, in cui tali soluzioni sono ben definiti o semplice script.”
E la relazione rileva che “hyper-parametri, variabili della macchina di apprendimento del modello utilizzato, devono essere sintonizzati molto, molto attentamente. Infatti, l’apprendimento profondo modelli non erano in grado di fare molto di qualche cosa senza sostanziali lavoro tweaking di queste variabili.
“La performance di tutti gli algoritmi altamente sensibili per la loro iper-valori di parametro, che richiedono ri-sintonizzazione nuovi compiti per le migliori prestazioni,” gli autori scrivono.
Che suona scoraggiante, ma gli autori fanno notare che utilizzando la stessa tecnologia hyper-parametri attraverso diverse attività hanno portato a risultati che non sono stati selvaggiamente diverso, che dà qualche speranza che in fondo l’apprendimento può contribuire in qualche modo alla fine.
Come gli autori: “una buona configurazione di hyper-parametri] sulla base di un task può ancora fornire una buona prestazioni di riferimento per un’altra.” Quindi, concludono che il rinforzo stile di apprendimento profondo è “vitale” per la ricerca “basati su esperimenti” con i robot.
Ci sono alcuni divertenti dettagli, anche qui, di problemi reali che accadono con fisico robot. Alcuni dei DXL unità di esperti di problemi di surriscaldamento, che li portò a non riuscire quando a sinistra in esperimenti di notte. E il Create2 sistemi di iRobot imbattuto in problemi quando lasciata durante la notte, perché i loro cavi sono iniziate le difficoltà.
Precedente e relativa copertura
Che cosa è l’IA? Tutto quello che devi sapere
Un esecutivo a guida di intelligenza artificiale, machine learning e generale AI alle reti neurali.
Cos’è il deep learning? Tutto quello che devi sapere
Il lowdown su deep learning: da come si relaziona con il più ampio campo di machine learning a come iniziare con esso.
Che cosa è macchina di apprendimento? Tutto quello che devi sapere
Questa guida spiega in cosa consiste la macchina di apprendimento, di come esso è legato all’intelligenza artificiale, come funziona e perché è importante.
Che cos’è il cloud computing? Tutto quello che devi sapere su
Un’introduzione al cloud computing destra, dalle nozioni di base fino a IaaS e PaaS, ibrido, public e private cloud.
Argomenti Correlati:
Robotica
La Trasformazione Digitale
CXO
Internet delle Cose
L’innovazione
Enterprise Software
0