研究人员帮助机器人抽象思考和计划浴足桶

研究人员帮助机器人抽象思考和计划

布朗大学和麻省理工学院的研究人员已经开发出一种方法，可以通过构造周围世界的抽象表示来帮助机器人计划多步骤任务。

他们的研究发表在《人工智能研究杂志》上，是朝着建立可以像人一样思考和行动的机器人迈出的一步。

对于机器人来说，规划是一件非常困难的事情，主要是因为它们如何感知世界并与世界互动中国机械网okmao.com。

一个机器人世界的感知由无非由其照相机采集的像素的繁多，其采取行动的能力被限制在设置控制其接头和夹具各个电机的位置。对于这些像素与我们认为世界上有意义的概念之间的关系，它缺乏天生的理解。

布朗的计算机科学助理教授，这项新研究的主要作者乔治·科尼达瑞斯说：“与世界的低层接口使人们很难决定该做什么。”

“想象一下，如果要考虑要弯曲的每一块肌肉，然后计划一下，那么想想像去杂货店一样简单的事情将是多么困难，并事先详细地想象出数TB的视觉数据，会一路穿过您的视网膜。

您会立即陷入细节之中。当然，人们不会那样做。我们能够引入抽象概念，从而抛弃大量无关紧要的细节，只专注于重要的事情。”

甚至最先进的机器人也没有这种抽象能力。Konidaris说：“当我们看到机器人计划并执行多步骤任务的演示时，“几乎总是有程序员明确告诉机器人如何思考世界以便制定计划的情况。” “但是，如果我们希望机器人能够更加自主地行动，那么他们将需要能够自行学习抽象的能力。”

用计算机科学的术语来说，这类抽象分为两类：“过程抽象”和“感知抽象”。程序抽象是由低级动作组成的程序，这些动作组成了高级技能。

一个示例是将打开门所需的所有微小动作（伸手抓住旋钮，转动旋钮并拉开门所涉及的所有电动机动作）捆绑为一种“打开门”技能。

一旦建立了这种技能，您就不必担心它是如何工作的。您需要知道的是何时运行它。他说，包括Konidaris本人在内的机器人专家多年来一直在研究如何使机器人学习过程抽象。

但是据Konidaris称，感知抽象方面的进展较少，这与帮助机器人充分了解其像素化环境有关。这就是这项新研究的重点。

Konidaris说：“我们的工作表明，一旦机器人具备高水平的运动技能，它就可以自动构建兼容的世界高水平符号表示，可证明适合使用这些技能进行计划。”

学习世界的抽象状态

在这项研究中，研究人员将一个名为Anathema Device（简称为Ana）的机器人引入了一个装有橱柜，冷却器，控制橱柜内照明的开关以及可以留在任一冷却器中的瓶子的房间或橱柜。他们为Ana提供了一套用于操纵房间中物体的高级运动技能-打开和关闭冷却器和橱柜，拨动开关并拿起瓶子。

然后，他们让Ana放松，以尝试她在房间里的运动技能，并在每次执行技能之前和之后记录来自摄像机和执行器的感官数据。这些数据被输入到团队开发的机器学习算法中。

研究人员表明，安娜能够学习到非常抽象的环境描述，其中仅包含她能够执行特定技能所必需的内容。

例如，她了解到要打开冷却器，她需要站在冷却器的前面并且不拿任何东西（因为她需要双手打开盖子）。她还了解到与冷却器盖关闭相关的视野中像素的正确配置，这是可以打开的唯一配置。

她学习了与其他技能相关的类似抽象。例如，她了解到橱柜内的光线是如此明亮，以致传感器白了。

因此，为了操纵橱柜内的瓶子，必须关闭灯。她还了解到，为了关闭电灯，需要关闭橱柜门，因为打开的门会阻止她进入开关。最终的抽象表示将所有知识从高清图像中提取到一个文本文件，该文件长度仅为126行。

Konidaris说：“这些都是关于她周围环境的重要抽象概念。” “门需要先关闭，然后才能打开。除非打开门，否则您不能将瓶子从橱柜中取出，依此类推。而且，她可以通过执行自己的技能并观察会发生什么来学习它们。”

仅仅通过执行她的运动技能，安娜就学会了与具有封闭盖的冷却器相关的像素的适当配置，这是她运行“打开冷却器”技能的必要条件。学分：布朗大学

抽象规划

安娜用她所学的抽象表示武装起来后，研究人员要求她做一些需要计划的事情：从冷却器中取出瓶子并将其放在橱柜中。

正如他们希望的那样，安娜（Ana）导航到冷却器并打开它以露出瓶子。但是她没有接。

相反，她提前计划了。她意识到如果将瓶子装在抓爪中，那么她将无法打开橱柜，因为这样做需要双手。因此，在打开冷藏柜后，她导航到橱柜。

在那儿，她看到电灯开关处于“开”位置，并且她意识到打开橱柜会阻塞开关，因此她在打开橱柜，返回冷却器并取回瓶子并将其最终放置之前先关闭了开关。在橱柜里。简而言之，她提前计划，发现问题并在可能的情况下解决。

Konidaris说：“我们没有为Ana提供计划任务所需的任何抽象表示。” “她自己学习了这些抽象，一旦有了它们，计划就很容易了。她发现计划只有大约四毫秒的时间。”

Konidaris说，这项研究为将人工智能应用于机器人技术提供了重要的理论基础。

他说：“我们相信，让我们的机器人以抽象而非具体的方式进行计划和学习，对于构建真正的智能机器人至关重要。” “如果以正确的方式考虑问题，许多问题通常会非常简单。”

Konidaris的论文共同作者是麻省理工学院的Leslie Pack Kaelbling和Tomas Lozano-Perez。这项研究得到了美国国防部高级研究计划局和麻省理工学院情报计划的奖励。

济南看大三阳最好的医院

血吸虫病与肝胆疾病吃什么好如何预防

昆明脑出血专科医院

治疗前列腺炎医院排名

肺放线菌病怎么治疗