Компанія Nvidia представила на Міжнародній конференції з робототехніки та автоматизації (ICRA) в австралійському Брісбені нове покоління роботів.

Пристрої створені на основі нейромережі і здатні навчатися, просто повторюючи дії людини. Про це пише Новое время з посиланням на TechCrunch.

Зазвичай все промислові роботи функціонують за одним принципом. Їм в точності задають, що потрібно робити. І вони виконують цей заздалегідь визначений алгоритм, поки оператор не запровадить в них іншу команду. Як правило, таким індустріальним апаратам не дозволяють працювати близько до істот, які їх запрограмували. Але команда вчених Nvidia з Сіетла на чолі з Стеном Берчфілдом і Джонатаном Тремблеєм знайшла вирішення цієї проблеми, і зробила першого робота, який навчається на прикладі людини. Всередині у нього тільки клубок нейромереж і «словник», що дозволяє описувати те, що навколо відбувається, пише geektimes.

Як розповів старший директор дослідження робототехніки в Nvidia і професор Вашингтонського університету Дітер Фокс, команда хоче створити наступне покоління роботів, які можуть безпечно працювати в безпосередній близькості від людей. Але для цього ці роботи повинні бути здатні виявляти людей, відслідковувати їх дії і дізнаватися, як вони можуть допомогти людям.

Почитати наукову роботу можна тут, а 20 травня 2018 року Nvidia опублікувала відео з прикладами виконання завдань на своєму YouTube-каналі.



Завдання в цьому прикладі досить прості і пов'язані тільки з укладанням декількох кольорових кубів. Але це також важливий крок у розвитку технології, оскільки дозволяє швидко навчити робота новим завданням.

Всі рішення за робота приймають навчені нейромережі, які розуміють свої завдання, грунтуючись на демонстрації. Вони вміють спостерігати за навколишнім середовищем, генерувати собі програму, і потім її виконувати. Робот враховує відношення між об'єктами (наприклад, він розуміє, що якщо прибрати кубик знизу, вся конструкція зруйнується), створює собі цілі плани (наприклад, «хочу акуратно прибрати нижній кубик»), а потім призводить їх в дію (щоб прибрати найнижчий куб - треба спочатку розчистити всі попередні). Навчання нейронних мереж ведеться повністю в симуляції, а в реальному світі вчені тільки перевіряють якість їх роботи, встановлюючи їх в того чи іншого робота. У випадку з кубиками це був індустріальний робот Бакстер (Baxter), оскільки його руки можуть виконувати ті ж функції, що і руки людини.

Для тренування нейромереж команда в основному використовувала синтетичні дані з симульованої середовища. Дослідники спочатку навчили послідовність нейронних мереж знаходити об'єкти, вивели взаємозв'язок між ними, а потім згенерували програму, щоб повторити кроки, які нейромережа бачила при спостереженні за людиною.

Крім цього, система здатна генерувати опис послідовності дій людини природною мовою. Таким чином, дослідникам легше зрозуміти, що сталося, коли все пішло не так.

Стен Берчфілд, який вів цей проект, говорить, що створення наближених до реального світу вільних симуляцій, в яких алгоритми можуть вчитися на своїх помилках, - це "потужна парадигма" і єдиний спосіб досить швидкісного самонавчання роботів.

Дітер Фокс визнав, що до сих пір залишається багато завдань, які належить вирішити при навчанні подібних роботів, але фундамент вже закладений. В майбутньому команда планує розширити коло завдань, які можуть вивчити роботи, і словник, необхідний для опису цих завдань.