Новая структура обучения роботов: перевод человеческих рассуждений в повседневные задачи

Представьте себе робота, который может стать вашим идеальным помощником в выполнении повседневных задач по дому. Однако, когда вы просите его выполнить определенную задачу, он может столкнуться с трудностями из-за отличий в окружающей среде. Это было сложной задачей для ученых, которые занялись разработкой новой структуры обучения роботов, позволяющей им учиться быстрее и эффективнее.


Главным элементом этой структуры является способность робота объяснять свои неудачи и получать обратную связь от пользователя. Энди Пэн, аспирант электротехники и информатики (EECS) в Массачусетском технологическом институте, выступил ведущим исследователем в этой области. Пэн и его команда ученых из Массачусетского технологического института, Нью-Йоркского университета и Калифорнийского университета в Беркли разработали инновационную структуру, которая позволяет сконцентрировать обучение робота на выполнении конкретных задач с минимальными усилиями со стороны пользователей.

Структура основана на использовании алгоритма, который генерирует контрфактивные объяснения, объясняющие причину неудачи робота. Например, робот может не узнать кружку на столе из-за необычного декора на кружке. Это объяснение презентуется пользователю, который может дать обратную связь и помочь роботу понять, что нужно изменить, чтобы успешно выполнять задачи.

Ключевым моментом в структуре является использование обратной связи от пользователя для корректировки данных и точной настройки робота. Это позволяет роботам учиться эффективно и быстро, используя полученную информацию от людей.


— Энди Пэн.

Исследователи предложили три шага для этого процесса. Во-первых, система показывает задачу, в которой робот не справился. Затем пользователь демонстрирует желаемое действие, а система генерирует контрфактические объяснения для сравнения. Пользователь предоставляет обратную связь, и система создает новые данные, которые помогут улучшить робота.

Энди Пэн отмечает, что новая структура позволяет учить роботов эффективнее без необходимости демонстрировать тысячи примеров. Это означает, что робот может понять, как выполнять задачу с помощью только одного образца и самостоятельно определять контекст и важные элементы.


— Энди Пэн.

Ключевой принцип работы структуры — увеличение объема данных. Например, если робот не распознает кружку определенного цвета, это может быть связано с недостатком данных в обучающих примерах. Добавление большего разнообразия в обучающие данные позволяет роботу лучше понять контекст и обобщать информацию.

Результаты исследования успешно проверены в нескольких симуляциях. Роботы, обученные с использованием этой структуры, демонстрировали лучшие результаты в выполнении задач за меньшее время.