Elképesztő kézügyességre képesek a Google AI-vezérelt robotjai

A Google DeepMind legutóbbi fejlesztései új mérföldkövet jelenthetnek a robotok ügyességének fejlesztésében. A vállalat két mesterségesintelligencia-rendszert mutatott be, ALOHA Unleashed és DemoStart néven. Mindkét rendszer célja, hogy a robotok képesek legyenek komplex, kézügyességet igénylő feladatok elvégzésére.

A kézügyesség olyan készség, amit az emberek könnyedén használnak, de a robotok számára még olyan, nekünk megszokott mozdulatsort is komoly kihívás megtanulni, mint például a cipőfűzés vagy a csavarhúzó használata. De a robotoknak képesnek kell lenniük a fizikai tárgyakkal való dinamikus interakciókra ahhoz, hogy hasznosabbá váljanak a mindennapi életben – vallja a két új AI-technológiáról közölt tanulmány.

Az AI rendszerek gyorsabban tanulnak és sokkal ügyesebbek

Az ALOHA Unleashed lehetővé teszi a robotok számára a kétkarú manipulálást. Ez hatalmas előrelépés, hiszen a legtöbb jelenlegi robot csak egy karral tud tárgyakat megfogni és elhelyezni. A Google DeepMind kutatói szerint ugyanakkor a robotjuk már képes cipőt fűzni, inget felakasztani, más robotokat megjavítani, sebességváltót szerelni, sőt, konyhát takarítani. A rendszer a Stanford Egyetem által korábban fejlesztett kétkezes teleoperációs hardveren alapul. Az új rendszer fejlettebb kézügyességgel bír, ráadásul a robotoknak kevesebbszer kell bemutatni a mozdulatsorokat ahhoz, hogy elsajátítsanak egy-egy új feladatot. A Google továbbfejlesztette a robot hardverének ergonómiáját is, hogy még jobban támogassa a tanulási folyamatot.

A robotkéz irányítása különösen bonyolult feladat, főleg, ha több ujj, ízület és szenzor kerül a képletbe. A DemoStart nevű új rendszer erre a kihívásra kínál megoldást egy újfajta tanulási algoritmussal, ami a robotokat szimulációs környezetben tanítja ügyesebb mozgásokra. A DemoStart akár százszor kevesebb szimulált bemutatót igényel, mint a valós környezetben tanított rendszerek, és a kísérletek során több mint 98 százalékos sikerességi arányt ért el a különböző feladatok során (pl. kockák átfordítása, szerszámok rendberakása).

A DeepMind csapata hangsúlyozta, hogy a szimulációs tanulás lehetővé teszi a robotok gyorsabb és költséghatékonyabb fejlesztését. Bár a való világba való átültetés még mindig kihívásokat jelent, a DemoStart kombinálja a megerősítéses és a bemutató alapú tanulást, hogy hidat építsen a szimuláció, illetve a való világ közötti különbségek áthidalásához. A tudósok szerint még hosszú út áll előttük, mire a robotok az emberekhez hasonló könnyedséggel és precizitással fogják kezelni a tárgyakat, de az eddigi eredmények máris jelentős előrelépést jelentenek.

Gábor János, NEW technology