許多研討人工智慧(AI)的公司都在透過深度學(xué)習(xí)來教會(huì)機(jī)器人辨識(shí)圖像，卡內(nèi)基美隆大學(xué)(CMU)的研討團(tuán)隊(duì)則選了別的一種辦法，他們試著經(jīng)驗(yàn)機(jī)器人透過觸摸來認(rèn)知世界，就像嬰兒一樣。
TechCrunch 報(bào)導(dǎo)，在每天 8 小時(shí)實(shí)驗(yàn)時(shí)期，這個(gè)名為「Baxter」的機(jī)器人只需一個(gè)任務(wù)要進(jìn)行──從桌上隨機(jī)抓取物品，它的動(dòng)作緩慢而笨拙，即使如此，這一個(gè)月時(shí)期也現(xiàn)已進(jìn)行了 5 萬次的抓取動(dòng)作，Baxter 正在透過觸覺反應(yīng)和檢驗(yàn)過錯(cuò)來學(xué)習(xí)。
研討團(tuán)隊(duì)在宣布的論文中，說明了他們怎樣透過讓機(jī)器人反覆觸摸物品，來進(jìn)步對物品的認(rèn)知，「以嬰兒來說，他們透過用手推、戳物品、把東西放進(jìn)嘴裡或扔出去來學(xué)會(huì)認(rèn)知表徵，我們也希望到達(dá)這么的方針，所以在 Baxter 的程式平臺(tái)中建構(gòu)了類似的方式，讓它們在桌面環(huán)境上戳、抓取并查詢物品?！?/p>
為了闡明學(xué)習(xí)觸摸的重要性，研討室助理 Dhiraj Gandhi 用 1970 時(shí)代中期英國的一項(xiàng)實(shí)驗(yàn)做為比方，其時(shí)研討人員對兩隻貓進(jìn)行認(rèn)知實(shí)驗(yàn)，其間一隻就像平常一樣日子、與世界觸摸，另一隻貓則只可以觀看，不被容許觸摸物品，畢竟只需被容許與環(huán)境互動(dòng)的學(xué)會(huì)爬行，只能查詢的不能做出一樣做法。
而在實(shí)驗(yàn)中，Baxter 逐漸地展現(xiàn)出對物品認(rèn)知的進(jìn)步，當(dāng)機(jī)器人認(rèn)出了解的物品時(shí)，平板閃現(xiàn)螢?zāi)簧蠒?huì)暴露「微笑」，并且抓取物品放入適宜的籃子;如果對物品不了解，螢?zāi)簧蟿t會(huì)暴露「利誘」的表情──研討人員并不擔(dān)憂，他們信任沒有什麼是別的 5 萬次抓取練習(xí)學(xué)習(xí)不了的。
這項(xiàng)研討改變了傳統(tǒng)的機(jī)器視覺學(xué)習(xí)方式，不同于以往系統(tǒng)透過現(xiàn)已輸入的標(biāo)籤去區(qū)分、尋覓物品，Baxter 是透過觸摸來自我學(xué)習(xí)認(rèn)知，Gandhi 說明，以前圖像和標(biāo)籤之間并沒有互動(dòng)，在視覺系統(tǒng)中只需被逼數(shù)據(jù)可以收集。
「我們想要的是與物品時(shí)可以取得活動(dòng)的數(shù)據(jù)，并透過這些學(xué)習(xí)對別的視覺任務(wù)有用的功用。」
Baxter 的系統(tǒng)中有著類似 Kinect 的 3D 鏡頭，將收集到的視覺與觸覺音訊發(fā)送到深層的神經(jīng)網(wǎng)路，并在 ImageNet 中與圖像穿插參看。團(tuán)隊(duì)在其間意外發(fā)現(xiàn)，收集的觸摸數(shù)據(jù)讓 Baxter 的辨識(shí)精準(zhǔn)度，較別的只運(yùn)用圖像辨識(shí)的機(jī)器人高出 10%，團(tuán)隊(duì)認(rèn)為這十分鼓舞人心。
儘管如今研討還處于前期時(shí)期，但團(tuán)隊(duì)十分看好將來的展開，Gandhi 標(biāo)明，他認(rèn)為聯(lián)系視覺與觸摸學(xué)習(xí)的機(jī)器人可以用于揀選分類，就像 ZenRobotics 開發(fā)的類型，將來能為廢物進(jìn)行分類回收，這在實(shí)際中是一個(gè)十分大的應(yīng)戰(zhàn)，「當(dāng)然，我們?nèi)缃襁€在嬰兒學(xué)步呢?！?/p>
廣州澳博信息科技有限公司首頁
