Робоча рука OpenAI навчає, як працювати без людських прикладів

Ви забираєте речі так часто протягом дня, що дія виглядає просто. Однак це лише кінцевий результат мережі нервів, сухожиль і м'язів, які ви відточили все своє життя. Створення робота, який може підібрати речі з тією ж надійністю, виявилося складним, і навіть невеликі зміни можуть зробити ретельний робот рукою всі великі пальці. Компанія, що називається OpenAI, стверджує, що вона розробила робочу руку, яка захоплює об'єкти більш людським способом, і це не повинно було навчати людей - це все навчилося самостійно.

За все ваше життя, ваш мозок навчився збирати різні предмети. На свідому рівні немає ніякої різниці між збиранням дерев'яного блоку або яблука. Ви просто робите це. Переклад людських рухів у машину буде без потреби ускладнений. Отже, OpenAI вирішила пропустити людський елемент взагалі. Вони дозволяють роботі руку спробувати і знов і знову в симуляції, поки він повільно навчився, як підібрати різні об'єкти.

Симульована робота руки не повинні працювати в режимі реального часу, так що дослідники змогли імітувати близько 100 років проб і помилок протягом приблизно 50 годин. Для цього сталося декілька серйозних обчислювальних пристроїв: 6144 процесорів та 8 графічних графічних процесорів, які працювали на етапі навчання. OpenAI називає цю систему Dactyl, і вона виходить за межі симуляції.

З Dactyl вимкнений на руках фізичного робота, він здатний до надзвичайно людських рухів. Щось ми вважаємо само собою зрозумілим, як крутити об'єкт навколо, щоб дивитися на інший бік, це утомливо для більшості роботів. Dactyl це може з легкістю зробити, але він має передові апаратні засоби, щоб допомогти. Тінь Левчаста рука має 24 ступені свободи в порівнянні з 7 для більшості роботів зброї. Робот знає позицію кожного пальця, а також подає три кути камери, щоб допомогти йому орієнтувати об'єкт.

Важливо, що ця система не застряє жодним типом об'єкта. Він може захоплювати і маніпулювати будь-яким, що входить в його руку. Це називається "узагальнення", і це є важливим аспектом робототехніки, коли ми інтегруємо машини в наше життя. Ви не хочете, щоб тренувати робота, щоб робити все, що може знадобитися протягом дня. В ідеалі, він повинен мати можливість визначити щось, якщо він схожий на завдання, яке вже виконано. Наприклад, якщо ваш ботанік-робот може вранці висипати апельсиновий сік, він повинен мати можливість висувати схову ввечері, не довідаючись точно, як це робити.

Дактил ще не збирається пити вам жодних напоїв, але, можливо, коли-небудь.

Читати далі

Spin Memory, ARM, Прикладна Матеріал Ink Joint MRAM

ARM, Spin Memory (колишні Spin Transfer Technologies) та Applied Materials спільно домовилися активізувати розробку та розгортання MRAM як альтернативи SRAM у малопотужних чіпах.

Nvidia створила Face Swapper для домашніх тварин, що вивчає лише кілька прикладів

Більшість ІІ, що маніпулює або трансформує зображення, вимагає великої кількості навчальних даних, які служать основою для його здібностей. Nvidia знайшла спосіб навчити модель лише одним вхідним зображенням собаки і одним прикладом іншої тварини.