快捷搜索:  as  MTU2MTAyMzk0MQ`  test

在“学做饭”这件事情上,机器人比人类努力多

在仿照人类方面,机械人已经可以做到很多工作,比如搬运物体、仿照人类字迹、调酒等,但对付轻细繁杂一点的工作机械人就会碰到艰苦,比如在厨房里进行烹饪。

在仿照人类的动作时,机械人常常会被人们不经意完成的一些小动作所困扰,被分散对主要义务的留意力,比如挪动糖罐、翻找餐具等。

为了办理这个问题,华盛顿大年夜学、斯坦福大年夜学、伊利诺伊大年夜学喷鼻槟分校、多伦多大年夜学和英伟达的钻研职员提出了一种“逆筹划”系统,经由过程一系列以厨房目标为前提的视频演示来评估他们的技巧,该团队申报称,他们的动作推理措施将义务成功前进了20%以上。

动作推理

动作推理能够使得机械人在完全不合的情况上钩划履行、复制相同的目标。但钻研职员表示,在一个紊乱的情况中,比如一个厨房,工具的设置设置设备摆设摆设要领可能会使得目标变得隐隐。

在这种情景下,仅仅识别一个动作是不敷的,由于一个义务可能必要很多的动作。比如,为了拿起一把厨刀,人类可能会先挪开餐盘,掀起桌布,再从桌布下拿起厨刀。

MIT谋略机科学与人工智能实验室就有一个“自立机械人的义务和运动筹划”项目,注解“我们的目标是设谋略法,使机械人能够在人类情况中操作,同时推理高档义务动作和初级动作”,例如,让一个机械人在家庭厨房中自立做饭。

为了完成这样的义务,它必须斟酌高层次的目标,比如必要哪些因素;同时还有低层次的目标,比如若何拿到这些因素。平日,低层次目标的可行性会影响高层次目标,比如拿到一种配料可能必要机械人打开冰箱门、移开几样挡在前面的器械。

对付人类来说,做到这些工作彷佛是自然而然的。在已知的宇宙中,人类的大年夜脑是最繁杂的器械之一,拥稀有以十亿计的神经元,每个神经元都和数千神经元相联系。科学家已经正确地找到大年夜脑中认真特定义务的不合中间,但在领会神经元收集若何互相协作以完成这些义务方面,仍旧短缺有效的钻研手段。

机械人“学做饭”

在这个实验中,钻研职员为人工智能体系筹备了一个真实的视频演示,他们让它进修一个有着24个义务的烹饪目标,关于一小我类厨师筹备倒入配料,这些配料最初被三个物体阻挡,包括一个饼干盒、一个芥末瓶和一个糖盒。

钻研职员说,他们的完备模型明确地对演示中的物体进行了运动推理,是以不会盲目地把所有的物体运动都算作有意的。

此外,他们留意到,它使仿照进修在不合的情况中成为可能。只管视频中的人操作了一个工具(即糖盒),系统照样成功归纳了精确的目标。虽然糖盒呈现在厨房里,但机械人意识到它不必要移动它,由于糖盒并没有盖居处需的配料。

“我们的钻研结果注解,这使得我们能够显明地逾越之前的措施,即基于运动筹划或义务筹划来揣摸目标,”合著者写道。

这项钻研将有利于人工智能在往通用人工智能成长的蹊径上更进一步。

此前,美国威斯康星大年夜学麦迪逊分校的一个钻研小组已经在机械人仿照人类敲鸡蛋、拧瓶盖、摆放盘子方面取得了进展,市道市面上也已呈现了不少能够根据预设菜谱做饭的机械人,还有会钻研馅饼食谱的机械人、能制作饭团和寿司的机械人等。

或许有一天机械人真的能走入我们的家中,像家人一样为我们做出各类各样的美食。

本文滥觞前瞻网,转载请注明滥觞。本文内容仅代表作者小我不雅点,本站只供给参考并不构成任何投资及利用建议。(若存在内容、版权或其它问题,请联系:service@qianzhan.com)

您可能还会对下面的文章感兴趣: