Для экспертов искусственного интеллекта программирование робота для стирки представляет собой сложную задачу планирования, потому что текущая технология считывания и манипуляции не достаточно хороша, чтобы точно определить количество предметов одежды, которые находятся в стопке, и количество, которое подбирается при каждом захвате. Люди могут легко справиться с такой неопределенностью и придумать простой план. Но робототехники на протяжении десятилетий изо всех сил пытались разработать автономную систему, которая могла бы делать то, что мы делаем, случайно – чистить нашу одежду.
В работе, выполненной в Калифорнийском университете в Беркли и представленной на конференции Ассоциации по развитию искусственного интеллекта в Остине, Шривастава (работа с Абхишеком Гуптой, Питером Аббелем и Стюартом Расселом из Калифорнийского университета в Беркли и Шломо Зильберштейном из Массачусетского университета, Амхерст) продемонстрировали робота, который может стирать белье без каких-либо конкретных знаний о том, что он должен стирать.
Более ранняя работа группы Аббеля продемонстрировала решения для сортировки и складывания одежды.
Задача стирки служит примером для широкого круга повседневных задач, которые мы делаем, не задумываясь, но которые до сих пор оказывались трудными для автоматизированных инструментов, помогающих людям.
«Ожидается, что широко представленные роботы-помощники будущего будут с легкостью« убирать со стола »,« стирать »или выполнять повседневные задачи», – сказал Шривастава. "Однако в настоящее время вычисление требуемого поведения для таких задач является сложной задачей, особенно когда есть неопределенность в количестве ресурсов или объектов."
С другой стороны, люди решают такие проблемы едва ли сознательными усилиями. В своей работе исследователи показали, как вычислять правильные решения проблем, используя некоторые предположения о неопределенности.
«Главный вопрос заключается в том, как разработать то, что мы называем« обобщенными планами », – сказал Зильберштейн, профессор компьютерных наук и директор лаборатории обоснования привязки ресурсов в Университете Массачусетса в Амхерсте. "Это планы, которые не просто работают в конкретной ситуации, которая очень четко определена и приводит вас к конкретной цели, которая также четко определена, а скорее планы, которые работают в целом ряде ситуаций, и вы можете даже не знать наверняка вещи об этом."
Ключевой вывод исследователей заключался в том, чтобы использовать человеческое поведение – почти бессознательное действие вытягивания, набивки, складывания и складывания – в качестве шаблона, адаптируя как повторяющиеся, так и вдумчивые аспекты решения человеческих проблем, чтобы справиться с неопределенностью в их вычисленных решениях.
Таким образом, они позволили роботу PR2 стирать белье, не зная, сколько и какой тип одежды нужно постирать.
Из примерно 13 задач, связанных с проблемой стирки, система команды смогла выполнить более половины из них автономно и почти выполнила остальные – безусловно, наиболее эффективная демонстрация отмывания ИИ на сегодняшний день.
Фреймворк, разработанный Шриваставой и его командой, сочетает в себе несколько популярных парадигм планирования, которые были разработаны в прошлом с использованием сложных структур управления, таких как циклы и ветви, и оптимизирует их для эффективной работы на современном оборудовании.
Он также включает в себя эффективный подход к расчету планов на основе изучения примеров, а не с помощью жестких инструкций или программ.
«Что особенно интересно, так это то, что эти методы позволяют решить проблему, которая, как известно, в худшем случае является вычислительно неразрешимой», – сказал Шривастава. «Мы определили более простую формулировку, которая поддается решению, а также охватывает множество полезных сценариев."
«Приятно видеть, как этот прорыв основывается на финансируемых NSF усилиях по решению различных проблем фундаментальных исследований, включая планирование, неопределенность и повторение задач», – сказал Эктор Муньос-Авила, программный директор кластера NSF Robust Intelligence.
Хотя роботы-прачечные представляют собой впечатляющее и потенциально экономящее время приложение ИИ, структура, разработанная Шриваставой и его командой, может быть применена к целому ряду проблем.
От производства до исследования космоса и поисково-спасательных операций – любая ситуация, в которой должны действовать системы искусственного интеллекта, несмотря на некоторую степень неопределенности, может быть решена с помощью их метода.
«Используя этот подход, решения для высокоуровневого планирования могут быть сгенерированы автоматически», – сказал Шривастава. «В этом направлении предстоит проделать еще большую работу, но в конечном итоге мы надеемся, что такие методы заменят утомительное и подверженное ошибкам программирование для конкретных задач для роботов."