Человекоподобного робота научили рисовать

Большая часть изображений, созданных искусственным интеллектом (ИИ), генерируется алгоритмами и вычислительными моделями. И большинство роботизированных систем для создания эскизов или картин, по сути, работают как принтеры. Они, как правило, воспроизводят изображения, которые им передал после генерирования алгоритм ИИ. Гораздо реже физический карандаш или фломастер вкладывают в манипулятор осязаемого робота, и тот рисует буквально. Именно этим и пришлось заняться роботу-гуманоиду из Испании.


Специалисты из двух вузов, UCM и UC3M, разработали компьютерную модель, основанную на глубоком обучении. Её цель — позволить роботу рисовать подобно человеку. Статью о достижении опубликовали в издании Cognitive Systems Research. Соавтор проекта Рауль Фернандес-Фернандес рассказал, что идея их коллектива состояла в создании рисунков именно «рукой» машины.

Фернандес-Фернандес и его коллеги несколько лет посвятили разработке эффективных алгоритмов для планирования действий «творческих» роботов. Достигнутый в итоге успех основан на двух предыдущих проектах этой же команды испанских робототехников. Первый из них — исследование программного обеспечения «Quick Draw! Dataset», предназначенного для обучения роботов-художников. Вторую работу они посвятили ранее глубокому обучению устройств, в которые пытались вложить сложные функции, в том числе «осознание» эмоций.

Новая роботизированная система начертания эскизов основана на фреймворке глубокого обучения. Фернандес-Фернандес и его коллеги усовершенствовали смежную разработку другой команды исследователей, чтобы тщательно планировать действия роботов, позволяя им выполнять сложные ручные задачи в широком диапазоне сред.



Фернандес-Фернандес объяснил, что нейронная сеть разделена на три части, которые можно рассматривать как три разные, но взаимосвязанные, сети. Главная из них работает с высокоуровневыми элементами всего изображения. Локальная сеть извлекает низкоуровневые элементы вокруг. И выходная сеть принимает в качестве вводных данных объекты, извлечённые из главной и локальной сетей для рисования.

Фернандес-Фернандес и его сотрудники также заливали данные в свою модель по двум дополнительным каналам, которые предоставляют информацию о расстояниях и о положении инструмента относительно холста. В совокупности все эти функции помогли обучить собственную сеть, улучшив её навыки создания эскизов. Чтобы ещё больше приблизить графические способности к человеческим, исследователи также внедрили этап предварительной подготовки, основанный на так называемом генераторе случайных штрихов.

На пути к созданию эскизов с помощью физического робота исследователям пришлось также разработать стратегию преобразования расстояний и положений на изображениях, сгенерированных ИИ, на холст в реальном мире. Для достижения этой цели они создали виртуальное пространство внутри физического холста, в пределах которого робот мог перемещаться и непосредственно интерпретировать координаты рисунка, заданные моделью.



Фернандес-Фернандес отметил, что в своей работе исследователи убедились, что этап управления приложениями для рисования роботов может быть улучшен благодаря алгоритмам.

И добавил, что они с коллегами надеются, что их модель вдохновит других на дальнейшие исследования.