Компания Google в последнее время ведет работы в области так называемой «облачной робототехники». Это явление, когда роботы, обучившиеся самостоятельно выполнять какое-либо действие, могут поделиться «опытом» с другими роботами, просто передав информацию любым доступным методом связи. Такой принцип обучения позволяет избежать момент перепрограммирования, или, так сказать, «переобучения», при постановке техники новых задач.

Суть «облачной робототехники» состоит в следующем: в ее основе лежат нейросети, которые определяют и хранят последовательность выполняемых действий, отвечают за процессы автоматизма и передачу информации. В общем, за все то, что мы называем опытом. Роботам на базе нейронных сетей можно поставить любую задачу, и искусственный мозг сам найдет пути решения. В дальнейшем при выполнении этих действий несколько раз, робот выработает оптимальный алгоритм, который сумеет передать другим машинам, и те будут использовать и совершенствовать его, не начиная каждый раз с нуля.

Ученые из компании Google Research протестировали свой алгоритм на трех видах роботов, выполняющих разные задачи: открывание дверей, изучение предметов на подносе и видоизмененный вариант первого опыта, когда робот обучался не самостоятельно, а управлялся человеком с последующей задачей усовершенствовать полученные навыки.

В первом случае у машины ушло достаточно много времени для понимания того, то для открытия двери необходимо взяться за ручку, повернуть ее и надавить на дверь. Зато все последующие роботы использовали этот алгоритм, пропуская момент обучения.

В эксперименте с подносом машины были предоставлены сами себе и в течение нескольких часов изучали причинно-следственные связи между предметами (для примера: чайник — чашка — сахар: что с этим делать, очевидно лишь нам, роботам же пришлось «учиться»).

Эксперимент номер три после обучения робота оператором был отдан на откуп «коллективному сознанию», которое быстро совместно нашло оптимальные варианты решения, отличающиеся различными исходными положениями манипуляторов и конечным итогом, ускорявшим произведение манипуляции.

Самым интересным стал момент, когда одного из роботов заставили открывать дверь, на которой была установлена ручка совершенно другого типа. Машина отлично справилась с задачей.

Зачем это все нужно, помимо построений теорий о восстании машин? Все просто: подобное ускорение процесса обучения даст возможность промышленным роботам приступать к выполнению сложных задач гораздо быстрее, чем при традиционном подходе.

http://hi-news.ru/research-development/google-obuchaet-robot...

Человеческий мозг содержит миллиарды нейронов, между которыми формируется совсем уж непостижимое число нейронных связей. Эти связи определяют пути взаимодействия между нейронами и они определяют наше поведение, последовательность выполняемых действий и все остальное, характеризуемое понятиями опыт и память.

Искусственные нейронные сети имеют точно такое же строение и функционирование, правда в несколько меньших масштабах. Роботам с системами управления на базе нейронных сетей можно поставить задачу и они сами найдут путь ее максимальной эффективного решения, действуя путем проб и ошибок. В начале этого поиска все действия робота могут выглядеть бессмысленными и хаотичными для стороннего наблюдателя, но со временем робот сможет определить и использовать только те действия, которые приводят к выполнению поставленной перед ним задачи.

Такой процесс самообучения является эффективным, но он требует достаточно много времени. При помощи "облачной робототехники" роботы смогут обмениваться не только уже имеющимся у них опытом выполнения каких-либо действий, они также могут учиться совместно быстрей, разделяя длительный период самообучения на этапы, выполняемые параллельно несколькими однотипными роботами.

Создав первый вариант "облака", специалисты компании Google Research проверили работоспособность нового метода на трех различных задачах, поставленных перед несколькими роботами, которые имели одну общую нейронную сеть. Первой задачей стала задача открывания двери, которая должна была быть решена методом проб и ошибок. Как можно убедиться, просмотрев приведенный ниже видеоролик, роботы сначала "тычутся в двери как слепые котята", исследуя все доступные действия и выбирая те, которые ведут к выполнению поставленной цели.

Через несколько часов экспериментирования роботы все же самостоятельно выяснили, что для открывания двери требуется взяться за дверную ручку, повернуть и потянуть за нее. Можно сказать, что после этого они понимают, какая последовательность действий ведет к успешному выполнению задачи, но в их понимании полностью отсутствует модель, описывающая то, почему и как это все происходит.

Во втором эксперименте исследователи проверяли работу так называемой прогнозирующей модели. Каждому из роботов дали поднос, на котором находилось несколько предметов повседневного использования. "Играя" с этими предметами, роботы выработали некоторое понимание связи между причиной и последствиями своих действий. После того, как приобретенный опыт был распространен на всех роботов группы, получившаяся модель поведения могла быть использована для того, чтобы предсказать к какому результату сможет привести то или иное действие.

И третьим экспериментом являлось повторение первого эксперимента с открыванием двери. Разница заключалась в том, что процесс обучения роботов этому действию производился человеком-оператором, который выполнял пошаговое управление действиями робота. После этого перед роботами поставили задачу усовершенствовать приобретенный опыт путем проб и ошибок. "Коллективный разум" группы роботов быстро нашел оптимальные варианты, которые отличались немного различными положениями манипуляторов, углов поворота ручки и приложения тянущего усилия. А самым интересным моментом стал момент, когда одного из роботов, в "разуме" которого находился весь накопленный группой роботов опыт, заставили открывать дверь, на которой была установлена ручка совершенно нового типа.

Каков же большой смысл всего этого? Естественно, что нейронные сети, получающие большее количество исходных данных, смогут обучиться гораздо качественней. Поэтому группа роботов, совместно обучающихся выполнению какой-либо задачи, может прийти к положительному результату гораздо быстрей робота-одиночки, пытающегося постигнуть все тоже самое своими силами. И такое ускорение процесса обучения позволит промышленным и исследовательским роботам следующих поколений приступать к выполнению сложных задач гораздо быстрее, нежели при традиционном подходе.

Исходник