سگ رباتیکی که راه رفتن را در ۲۰ دقیقه یاد می گیرد
با فناوری: پژوهشگران آمریکایی در بررسی جدیدی نشان داده اند که یک سگ رباتیک با کمک نوعی الگوریتم یادگیری ماشینی می تواند راه رفتن را طی 20 دقیقه یاد بگیرد.
به گزارش با فناوری به نقل از ایسنا و به نقل از نیو ساینتیست، به لطف الگوریتم یادگیری ماشینی، یک سگ رباتیک می تواند راه رفتن در زمینهای ناآشنایی مانند چمن و مسیرهای پیاده روی را یاد بگیرد.
بیشتر ربات های خودکار باید به دقت توسط انسان ها برنامه ریزی شوند یا در وضعیت شبیه سازی شده، به شکل گسترده آزمایش شوند تا بتوانند کارهای دنیای واقعی همچون راه رفتن روی یک تپه سنگی یا یک شیب لغزنده را انجام دهند و زمانی که با محیط های ناآشنا روبه رو می شوند، به کشمکش با آنها می پردازند.
"سرگی لوین"(Sergey Levine)، پژوهشگر "دانشگاه کالیفرنیا، برکلی"(UC Berkeley) و همکارانش نشان داده اند که ربات با بهره گیری از نوعی یادگیری ماشینی به نام یادگیری تقویتی عمیق می تواند نحوه راه رفتن را طی حدود ۲۰ دقیقه در چندین محیط مختلف مانند چمن زار و مسیر پیاده روی یاد بگیرد.
لوین اظهار داشت: این ربات از الگوریتمی به نام "یادگیری Q" (Q-learning) استفاده می نماید که به ارائه یک مدل از زمین مورد نظر نیازی ندارد. این الگوریتم های یادگیری ماشینی بطور معمول در شبیه سازی استفاده می شوند. ما نیازی به درک چگونگی عملکرد فیزیک یک محیط نداریم برای اینکه فقط ربات را در یک محیط قرار می دهیم و آنرا روشن می نماییم.
ربات به ازای هر عملی که انجام می دهد، بسته به میزان موفقیت آن بر طبق اهداف از پیش تعریف شده، پاداش مشخصی را دریافت می کند. ربات، این روند را بطور مداوم تکرار می کند تا آن زمان که راه رفتن را یاد بگیرد.
"ایلیا کوستریکوف"(Ilya Kostrikov)، از پژوهشگران این پروژه اظهار داشت: این کار از یک جهت، بسیار شبیه به نحوه یادگیری انسان ها است. انسان ها با تعدادی از محیط ها تعامل دارند، تعدادی از مزایا را دریافت می کنند و اساسا فقط به تجربه گذشته خود فکر می کنند و تلاش می کنند بفهمند که شرایط را چطور میتوان بهبود بخشید.
بااینکه ربات می تواند راه رفتن روی هر سطح جدیدی را که با آن روبه رو می شود، یاد بگیرد اما لوین اظهار داشت که اگر ربات قرار باشد که مهارت های دیگری را بیاموزد، گروه باید سیستم پاداش را تنظیم کنند.
"کریس واتکینز"(Chris Watkins)، پژوهشگر "دانشگاه لندن"(UoL) اظهار داشت: روش یادگیری تقویتی عمیق در دنیای واقعی، کار سختی است برای اینکه متغیرها و داده های مختلفی باید بطور همزمان در تعامل باشند.
وی ادامه داد: من فکر می کنم که این کار بسیار تأثیرگذاری است؛ بااینکه کمی متعجبم که می توان از روشی بسادگی یادگیری Q برای یادگیری مهارت هایی مانند راه رفتن روی سطوح مختلف با تجربه کم و به سرعت بهره برد.
این مطلب را می پسندید؟
(1)
(0)
تازه ترین مطالب مرتبط
نظرات بینندگان در مورد این مطلب