или войти через:
Ваша корзина пока пуста
favorite_border
Доступно только зарегистрированным пользователям

Исследователи MIT и CSAIL работают над осведомленностью роботов в выполнении домашних задач

schedule 29.03.2013 в 11:06 link MIT CSAIL Робот-помощник
​Роботы-дворецкие, которые держат дом аккуратным или готовят еду, уже давно являются мечтой писателей-фантастов и исследователей искусственного интеллекта.

Но если роботы когда-нибудь смогут работать в условиях нашей постоянно меняющейся домашней среды и выполнять сложные задачи, они должны быть более осведомлены о своих собственных ограничениях, по данным исследователей Лаборатории компьютерных наук Массачусетского технологического института (MIT) и Лаборатории искусственного интеллекта (CSAIL).
Наиболее успешные роботы сегодня, как правило, используются либо в основных, тщательно контролируемых условиях, таких как заводы, либо для выполнения довольно простых задач, таких как пропылесосить комнату, - говорит Лесли Пэк Келблинг (Leslie Pack Kaelbling), профессор компьютерных наук и инженерии в Массачусетском технологическом институте.



Проведение сложных последовательных действий в суматошной, динамичной среде, такой как дом, будет требовать от роботов быть более осведомленными о том, чего они не знают, и что им необходимо выяснить, - говорит Келблинг. Это потому, что робот не может просто осмотреть кухню и определить, где хранится вся посуда, или знать, что вы предпочли бы съесть на ужин. Чтобы найти эти вещи, он должен открыть шкафы и заглянуть внутрь, или задать вопрос.

"Я хотела бы сделать роботов, которые могли бы пойти на кухню в первый раз, побывав в других кухнях раньше, и положить продукты куда нужно," – говорит исследователь. И в статье, недавно принятой к публикации в Международном журнале International Journal of Robotics Research, она и её коллега из CSAIL Томас Лозано-Перес описывают систему, предназначенную сделать именно это с постоянным расчетом уровня неопределенности робота в отношении конкретной задачи, такой как местонахождение объекта в помещении.

Система основана на модуле, который называется компонент оценки состояния, который вычисляет вероятность положения того или иного объекта. Таким образом, если робот не является достаточно осведомленным в том, что объект один, он ищет вероятность того, что объект слишком мал, и он знает, что необходимо собрать больше информации, прежде чем предпринимать какие-либо действия.

Кроме того, система упрощает процесс разработки стратегии для выполнения данной задачи, проделав свой план поэтапно по продвижению вперед, используя то, что команда называет иерархическое планирование в режиме реального времени. "Эта идея существует в AI, но мы очень волнуемся об оптимальном плане, который очень трудно вычислить в течение длительного времени, чтобы обеспечить нам полную стратегию, прежде чем начать выполнение", - говорит ученый. Но во многих случаях, особенно, если окружающая среда является новой для робота, он не может знать достаточно о районе, чтобы сделать такой детальный план заранее.

Таким образом, вместо создания плана на первом этапе, свою задачу робот начинает выполнять сразу же, как он придумал стратегию для остальных заданий. Это означает, что вместо одной большой сложной стратегии, которая потребляет значительное количество вычислительной мощности и времени, робот может сделать много мелких планов по мере продвижения вперед. Недостатком этого процесса является то, что это может привести к созданию глупых ошибок, таких, как собирание тарелок и перемещение их по столу, не понимая, что он сначала должен изучить комнату, чтобы положить тарелки на нужное место, - говорит Келблинг.

Такие небольшие ошибки могут стать ценой, которую стоит платить за более способных роботов. "Поскольку мы пытаемся заставить роботов выполнять более существенные и сложные задачи в переменных средах, мы должны согласиться на субоптимальность".

В дополнение к бытовым роботам, система также может быть использована для создания более гибких промышленных устройств, или в случаях стихийных бедствий.

Комментарии: