您已经浏览器的JavaScript禁用。我们建议将它打开此网站上获得更好的体验。


那个工人机器人从错误中学习

那个工人机器人从错误中学习

Practise熟能生巧 - 这是帮助成为高度灵巧的人的格言,现在它是被应用到机器人的方法。

计算机科学家在大学使用的是人造 人工智能(AI)的自动化规划和强化学习技巧 “训练”的机器人找到在杂乱的空间,一个对象,如仓库 货架或冰箱 - 和移动。

其目的是开发机器人的自主性,使机器可以评估的唯一 在的情况下一个任务提出并找到解决方案 - 类似于机器人 转让技能和知识,一个新的问题。

利兹的研究人员今天呈现的结果在他们的 国际会议 智能机器人与系统 在澳门,中国。他们的论文可以读 这里.

机器人并不是什么人做的非常好非常好:是高度 移动和灵巧。那些身体已经硬连接到技能的人力 脑。

利玛窦博士Leonetti的

这是在一个狭窄的区域大的挑战,一个机械臂未必 能够从上方抓住的对象。相反,它有计划移到序列 也许通过操纵等物品的方式进行,以达到目标对象。 策划这样的任务所需要的计算能力是如此之大时,机器人会经常 一些停顿分钟。并且当它执行移动,它通常会 失败。

发展实践的概念熟能生巧,计算机科学家 在利兹从AI两种思想的汇集。

一个是 自动化规划。机器人能够“看到” 通过视觉系统的问题,在效果的图像。在机器人的软件 操作系统模拟移动时,它可以对可能的序列 到达目标对象。

但模拟已经“排练”机器人不能 捕捉现实世界的复杂性,当它们实现时, 机器人失败通过敲对象断搁板来执行任务,例如。

利兹队规划相结合因而具有与其它技术的AI 叫 强化学习.

包括强化学习计算机在审判的序列和 尝试错误 - 约10000的所有 - 到达和移动物体。通过 这些尝试的试验和错误,机器人“学习”哪些动作它已计划 更有可能成功结束。

计算机承担学习本身,通过随机出发 计划选择移动可能的工作。但作为机器人从试验学会 和错误,它变得更善于选择那些有计划移到 被成功的机会更大。

利玛窦博士Leonetti的,从 计算机学院说:“人造 智力是善于使机器人的原因 - 例如,我们已经看到 参与国际象棋的机器人场比赛的大师。

“但机器人并不是什么人做的非常好非常好:是高度 移动和灵巧。那些身体已经硬连接到技能的人力 大脑进化的结果和方式,我们实践与实践 实践。

“这是一个想法,我们正在运用到下一代 机器人“。

的Wissam Bejjani,博士生研究员写的研究论文WHO, 说机器人概括能力的发展,运用它已计划 以一套独特的绝境。

我补充说:“由于我们的工作是显著规划结合起来用 强化学习。大量的研究,试图开发ESTA技术 就只是那些途径的重点之一。

“我们的办法是,被证实由我们所看到的结果 大学的机器人实验室。

“有了一个问题,当机器人不得不搬到一个大苹果,它首先 又到了苹果的左侧搬开混乱,前 操纵苹果。

“它这样做没有杂波落在界外 货架“。

博士穆罕默德Dogar,在计算机学院副教授,是 在研究中也参与其中。他说,加快了ADH办法机器人的“思维” 时间的十个因素 - 现在决定这花了50秒采取五项。

研究收到工程和实体资金 科学研究理事会在项目调查 “类人 在机器人物理学.

回到顶部