Ang Video ay Nagpapakita ng Nakakagulat na Hamon ng Pagtuturo A.I. sa Dress Itself

Ang pag-crawl sa isang tee shirt ay maaaring isa sa ilang mga gawain sa amin ang mga tao ay may kakayahang gawin kahit na kami ay halos gising at pa rin scratching ang pagtulog sa labas ng aming mga mata. Ngunit ang katunayan na pinagkadalubhasaan natin kung paano magsuot ng ating sarili (higit pa o mas mababa) ay nagpapahiwatig kung gaano komplikado ang mga serye ng mga galaw na kinakailangan upang lumayo mula sa pagiging mapusyaw upang sapat na nakadamit upang lumabas ng mga pintuan talaga.

Ang isang tao na naiintindihan ito pati na rin ang sinuman ay Alex Clegg, isang computer science Ph.D. estudyante sa Georgia Institute of Technology na nakatutok sa paggamit ng pag-aaral ng makina sa tech na artificial intelligence kung paano magsuot mismo. Tulad ng sinabi niya Kabaligtaran, habang A.I. ay sapat na matalino upang mahulaan kung aling mga pasyente ay makakakuha ng sepsis o kung paano hamunin ang mga kampeon ng mundo sa mga kumplikadong laro ng diskarte, ang pagtuturo ng mga machine kung paano ilagay sa isang shirt ay pinatunayan na maging isang mailap na layunin.

"Ang tela ay kumplikado," paliwanag niya sa isang email. "Maaari itong tumugon kaagad at labis sa mga maliliit na pagbabago sa posisyon ng katawan at madalas na pumipigil sa paggalaw … Ang damit din ay may pagkahilig sa kulungan ng mga tupa, stick at kumapit sa katawan, na gumagawa ng haptic o touch sensation na mahalaga sa gawain."

Kaya bakit, eksakto, ang isang computer whiz sinusubukang i-break down kung paano namin angkop sa umaga? Ipinaliwanag ni Clegg na may ilang mga posibleng aplikasyon para sa A.I. na naiintindihan ang mapanlinlang na simple-tila sining na nagsusuot. Sa maikling salita, ang mga natuklasan ng Clegg ay maaaring magamit sa ilang araw na bilis ng proseso ng paggawa ng mga lifelike 3D animation. Ngunit mas mahalaga, ang mga pananaw na ito ay makakatulong na humantong sa disenyo ng mga assistive robot na makatutulong sa pangangalaga sa mga tao na bata at matanda.

Ang mga mananaliksik ay nagsimula sa pamamagitan ng pagtuturo ng isang computer kung paano mag-master ng pagkuha ng isang braso sa manggas. Sa papel na ipapakita sa susunod na kumperensya ng SIGGRAPH Asia 2018 sa computer graphics noong Disyembre, ipinaliwanag ni Clegg at ng kanyang mga kasamahan ang tumpak na pamamaraan na ginamit nila, isang uri ng pag-aaral sa makina na tinatawag na "malalim na reinforced learning."

Ang layunin ng malalim na reinforced pag-aaral ay upang subukan at magturo sa mga robot kung paano makumpleto ang ilang mga galaw at mga gawain sa pamamagitan ng pagkakaroon ng mga ito gawin nang paulit-ulit. Sa kaso ng dressing A.I., ang koponan ni Clegg ay nagkaroon ng A.I. obserbahan ang proseso ng virtual na kapaligiran, ginagaya ito, at pagkatapos gagantimpalaan ito kapag tila nasa tamang landas.

Ipinaliwanag ng Clegg na kinakailangang daan-daang libo ang sinusubukan para sa hugis sausage na hugis ng animated character na kanilang binuo upang malaman kung paano magsuot ng jacket o t-shirt. Matapos ang lahat, ang kanilang bot ay kailangang matuto kung paano makilala ang pag-ugnay upang mapansin ang shirt kapag kailangan ito. Dagdag pa, kinakailangan din nilang isama ang isang pisika engine upang gawin ang kunwa bilang tumpak sa buhay hangga't maaari.

Sa wakas, ang clungsy, animated na anak na lalaki ni Clegg ay namamahala upang matutunan kung paano makakuha ng shirt nito, kahit na kaunti nang wala sa loob. Gayunpaman, ang mga resulta ay maaaring pinaka kapaki-pakinabang bilang isang patunay-ng-konsepto para sa kung paano malalim na pag-aaral ay maaaring gamitin para sa paglutas ng mga problema sa nuanced.

"Kapana-panabik na isipin ang hukbo ng mga problema na maaari nating lutasin nang may malalim na reinforced learning," sabi niya. "Inaasahan namin ang patuloy na pagtatrabaho sa pagpapaandar ng mga robotic at paghahanap ng mga solusyon sa malalaking problema na nakakaapekto sa pang-araw-araw na buhay ng napakaraming tao."

Ang pag-convert ng mga natuklasan ng mga natuklasan ng pag-aaral na ito upang magtrabaho kasama ang mga robotics ay aabutin ng kaunting trabaho upang magkasundo sa parehong aspeto ng software at hardware. Ngunit natuklasan ng mga natuklasan ni Clegg ang isang landas para sa mga mananaliksik na interesado sa pagpapalaya sa aming mga futuristic robot caretaker mula sa kanilang kasalukuyang mga limitasyon.