行为克隆,让机器人从演示中学习新技能!

尽管过去几年机器人学习取得了长足的进步,但在尝试模仿精确或复杂行为时,机器人智能体的某些策略仍然难以果断地选择操作。格物斯坦表示:每一种方法都需要精确的移动和修正。机器人必须只遵从其中一个选择,还必须能够在每次滑块滑得比预期更远时改变方案。尽管人们可能认为这种任务很简单,但对于基于学习的现代机器人来说,情况往往并非如此,它们经常要学习被专家观察员描述为不果断或不精确的行为。

解析新时代人工智能机器人的工作原理
我们的方法是一种行为克隆,可以说是让机器人从演示中学习新技能的最简单方法。在行为克隆中,智能体学习如何使用标准监督学习 (Supervised learning) 模仿专家行为。一般来说,行为克隆涉及训练显式神经网络(如下方图左所示),该网络接收观察并输出专家操作。

尽管存在局限性,但带有监督学习的行为克隆仍然是机器人从人类行为示例中学习的最简单方法之一。少儿机器人教育正如我们在这里展示的,在机器人进行行为克隆时,将显式策略替换为隐式策略,有助于其克服“不能决断的困难”,让它们可以模仿更加复杂、更加精确的行为。虽然我们这里的重点是机器人学习,但是隐式函数对明显不连续性和多模态标签建模的能力,或许在机器学习的其他应用领域也能带来更广泛的好处。

人工智能的真正难题在于理解自然智能的工作原理。开发人工智能与制造人造心脏不同,科学家手中并没有一个简单而具体的模型可供参考。我们知道,大脑中含有上百亿个神经元,我们的思考和学习是通过在不同的神经元之间建立电子连接来完成的。但是我们并不知道这些连接如何实现高级的推理能力,甚至对低层次操作的实现原理也并不知情。大脑神经网络似乎复杂得不可理解,完成机器人教育目的。 因此,人工智能在很大程度上还只是理论。科学家们针对人类学习和思考的原理提出假说,然后利用机器人来实验他们的想法。

解析新时代人工智能机器人的工作原理
人工智能(AI)无疑是机器人学中最令人兴奋的领域,无疑也是最有争议的:所有人都认为,机器人可以在装配线上工作,但对于它是否可以具有智能则存在分歧。就像“机器人”这个术语本身一样,您同样很难对“人工智能”进行定义。终极的人工智能是对人类思维过程的再现,即一部具有人类智能的人造机器。机器人教育开店人工智能包括学习任何知识的能力、推理能力、语言能力和形成自己的观点的能力。目前机器人专家还远远无法实现这种水平的人工智能,但他们已经在有限的人工智能领域取得了很大进展。如今,具有人工智能的机器已经可以模仿某些特定的智能要素。 计算机已经具备了在有限领域内解决问题的能力。用人工智能解决问题的执行过程很复杂,但基本原理却非常简单。机器人教育的优势在于:首先,人工智能机器人或计算机会通过传感器(或人工输入的方式)来收集关于某个情景的事实。计算机将此信息与已存储的信息进行比较,以确定它的含义。计算机会根据收集来的信息计算各种可能的动作,然后预测哪种动作的效果最好。当然,计算机只能解决它的程序允许它解决的问题,它不具备一般意义上的分析能力。象棋计算机就是此类机器的一个范例.

某些现代机器人还具备有限的学习能力。学习型机器人能够识别某种动作(如以某种方式移动腿部)是否实现了所需的结果(如绕过障碍物)。机器人存储此类信息,当它下次遇到相同的情景时,会尝试做出可以成功应对的动作。幼儿园机器人教育同样,现代计算机只能在非常有限的情景中做到这一点。它们无法像人类那样收集所有类型的信息。一些机器人可以通过模仿人类的动作进行学习。在日本,机器人专家们向一部分机器人演示舞蹈动作,让它学会了跳舞。

解析新时代人工智能机器人的工作原理
综上所述,正如机器人的物理设计是了解动物和人类解剖学的便利工具,对人工智能的研究也有助于理解自然智能的工作原理。对于某些机器人专家而言,这种见解是设计机器人的终极目标。其他人则在幻想一个人类与智能机器共同生活的世界,在这个世界里,人类使用各种小型机器人来从事手工劳动、健康护理和通信。许多机器人专家预言,机器人的进化最终将使我们彻底成为半机器人,即与机器融合的人类。有理由相信,未来的人类会将他们的思想植入强健的机器人体内,活上几千年的时间!

本站部分文章来自互联网,文章版权归原作者所有。如有疑问请联系QQ:3164780!

(0)
AIIAW的头像AIIAW本站编辑
上一篇 2021-11-21 11:05
下一篇 2022-05-12 10:21

相关推荐