热门关键词:yabo官网  
yabo官网:深入Facebook全新机器人实验室:AI与机器共织未来
2020-12-13 [73519]

yabo官网-乍一看,Facebook的新机器人平台看起来有点恐慌。 在这家公司硅谷总部的新实验室里,红色和黑色之间的Sawyer机械臂(来自最近破产的RethinkRobotics )手握得很大,听到了呜呜的机械声。

本来应该可以使胳膊向右空间的一个方向移动,但向下移动,远离设置的方向,向连接方向复位。 另外,其手臂向右移动,与目标方位很相似。

yabo官网

但它再次远离了可怕的方向,被迫再次复位。 但就像兔子往返逃避猎鹰一样,这个机器人看起来很可怕,其实很聪明。

Facebook指出,开发更好的机器人,也是开发更好的人工智能的关键。 也就是说,这个机器人自学寻找世界。 Facebook回答说,将来不会频繁出现在偏远地区表现机器人的智能机器。 当然,现在的机器人还处于非常坚硬的状态——一般来说,必须用代码来说明一切。

这是你向前滑动的方法,这是你动胳膊的方法。 我们人类在自学上必须一直聪明。 连宝宝都理解从视野中消失的物体没有从物理世界中消失。 他们说他们可以滑动球,但不能滑动沙发。

我可以从沙发上掉下来,但不是从悬崖上掉下来的。 这些实验都给你的大脑做了世界模型,所以记住司机的车后,很快就能爆胎。

Facebook的人工智能科学家YannLeCun说:“如果你驾驶汽车附近的悬崖,把方向盘转向右边,车就不会掉下悬崖,事先告诉你会发生什么好事yabo官网。” 我们脑子里有自学的模式,可以避免做傻事。 Facebook也试图让机器获得这种模式。

LeCun补充说:“我认为自学世界模式的系统是在人工智能领域确实取得重大进展的下一个挑战。” 但是Facebook的研究小组不是第一个试图自学移动机器人的团队。 在加利福尼亚大学伯克利分校,一群研究者使用一种叫做强化自学的技术,教Brett的双臂机器人在方孔里钉一颗钉子。

简单来说,机器人尝试了很多随机运动。 如果一次移动中有更类似的目标,系统不会给数字“奖金”。 如果失败了,用数字不会“太大”。 反复多次,要求奖励的机器人不会把那只手放在更近的方孔里,最后放钉子。

让机器人拥有“好奇心”的Facebook做的实验有点不同。 Facebook人工智能研究科学家FranziskaMeier说。

人类学会了孩子们被对世界的好奇心所抵制。 他们拉新的东西,比如猫的尾巴,不是因为他们必须这么做,而是想告诉你那样就不会再发生了。

因此,像Brett这样的机器人不能一点一点地调整自己的动作,但Facebook的机械臂经常离开附近的目标。 这是因为研究者没有鼓励其增量顺利,而是赋予了尝试不最佳动作的权利。

即使现在看起来不太合理,我也在尝试新的东西。 每次移动都向系统提供数据。

各关节产生转矩是为了使胳膊向其特定的方位移动。 Meier说:“任务还没有结束,但给了我更好的数据。

通过这样的搜索取得的数据种类比不搜索的情况多”。 这个概念被称为自我监视自学——机器人尝试新的,改版软件模型,有助于预测不道德的结果。 这个主意是为了使机器更灵活,对一个任务没那么特别。

可以认为迷宫完成了。 机器人可能会告诉你要往哪个方向走才能找到出口。

即使那个追赶不可避免地陷入死胡同,也可能会多次到达那里。 奥斯陆大学机器人专家t? nnesNygaard说:“因为你专注于这样向那个方向移动,所以可能会从角落里出去。

” 他已经开发了四足机器人,可以自己学习走路。 (Facebook也打算让6脚机器人自己行驶,但即使参观实验室该公司也无法展开展示。

“比起这样集中说,我更想往告诉我有解决办法的方向走,我试着找了一下。 我试着寻找新的解决办法。

”所以,Facebook的机械臂做的看起来不一致的动作实质上是好奇心,这种好奇心使机器更容易适应环境。 想象一下,家用机器人试图散弹洗碗机。 把杯子放在最上面的架子上最有效的方法可能是把杯子拿到旁边。

在这种情况下,杯子不会碰架子的边缘。 从某种意义上说,这是确定的。 请一遍又一遍地尝试,把这个放在理想的路上。

在这条路上,我们试图更好地侧向装载,但现在不能尝试备份新的。 另一方面,充满著好奇心的机器人是实验和自学的,可以知道从上面进去实质上是最糟糕的方法。

这是灵活的,不是决定性的,理论上允许容易适应环境动态的人类环境。_yabo官网。

本文来源:yabo官网-www.aumjobs.com