Дослідники Каліфорнійського університету в Берклі розробили нову технологію навчання роботів, яка дозволяє їм уявити собі наслідки своїх дій. Завдяки цьому, машини можуть зрозуміти, яким чином взаємодіяти з об'єктами, які їм раніше ніколи не зустрічалися.
Підпишись на наш Viber: новини, гумор та розваги!
Підписатися 
                
Технологія отримала назву "візуальне передбачення", і з допомогою неї роботи можуть передбачати те, що побачать їх камери в разі, якщо вони виконають певну послідовність дій. Поки сила передбачення машини простягається недалеко - всього на кілька секунд в майбутнє, але цього достатньо роботу для того, щоб зрозуміти, як пересувати предмети на столі, нічого не зачепивши.
 
                
Дивним є той факт, що ці завдання робот навчається виконувати без допомоги людини і без попередньої інформації про фізику, довкіллю або інших параметрах об'єктів.
Виявляється, що візуальне уяву тренується повністю з нуля в ході досліджень без участі оператора, коли робот самостійно пересуває предмети на столі. Завдяки цьому створюється прогнозирующая модель пересування.
В основі цієї системи лежить технологія глибокого навчання, заснована на динамічної нейронної адвекції, яка передбачає, як пікселі на зображенні рухаються від одного кадру до іншого в результаті дій робота. Цей клас моделей дозволяє поліпшити можливості планування у машин, даючи їм можливість виконувати все більш складні завдання.
“Люди протягом усього життя вчаться маніпулювати предметами без всяких вчителів допомогою мільйона ітерацій з різними предметами. Ми довели, що можливо побудувати роботизовану систему, яка буде використовувати велику кількість автономно зібраних даних, щоб навчитися корисним навичкам, зокрема, рухати предмети", - говорить Фредерік Еберт, один з дослідників.
Раніше портал "Знай.uа" повідомив, що невтомна веселка претендує на рекорд.
 
                 
                                             
                        
                         
                        
                         
                                 
                                 
                                 
                                 
                                 
                                 
                                 
                                 
                                 
                                 
                                 
                                 
                                 
                                 
                                 
                                 
                                 
                                 
                             
                             
                             
                             
                             
                             
                             
                             
                             
                             
             
             
             
             
             
             
             
             
             
             
             
             
             
            