Új, önellenőrző memóriarendszert fejlesztettek a Massachusetts Institute of Technology kutatói, amely segíthet a robotoknak felismerni és kijavítani a korábban hibásan azonosított tárgyakat. A mesterséges intelligencia a vizsgált környezetben a bizonytalan tárgyleírások körülbelül 92 százalékát képes volt pontosítani, miközben mindössze két további képleírásra volt szüksége tárgyanként. A fejlesztés hosszabb távon megbízhatóbb háztartási és ipari robotok kialakítását támogathatja.
Az MIT november 5-én mutatta be UQ-DAAAM nevű kutatási rendszerét, amely a robotok vizuális memóriájának egyik alapvető problémáját próbálja kezelni. Egy robot működés közben kameráival folyamatosan képeket készít a környezetéről, majd a látott tárgyakról és azok elhelyezkedéséről információkat tárol el. Ezek a leírások azonban nem mindig pontosak. Gyenge fényviszonyok, takarás vagy szokatlan nézőpont miatt a rendszer könnyen összetéveszthet két tárgyat, és ha a hibás megnevezés bekerül a memóriájába, később téves döntésekhez vezethet.
A kutatók egyik bemutatott példájában a rendszer egy tetőn található sötét tárgyat először nem tudott pontosan azonosítani, majd tévesen mókusnak nevezte. A robot további képeket készített a környezetről, és az új módszer segítségével később felismerte, hogy valójában egy szürke kéményről van szó. A fejlesztés lényege, hogy a mesterséges intelligencia nem kezeli feltétlenül tényként az első képi értelmezését. Ehelyett számszerűsíti a bizonytalanságát, majd a rendelkezésre álló további nézőpontok alapján ellenőrzi és szükség esetén módosítja a korábban tárolt információt.
Az UQ-DAAAM a különböző nézőpontokból készített képleírásokat hasonlítja össze, majd kiválasztja azokat, amelyek a leginkább segíthetnek a bizonytalan tárgy pontosabb felismerésében. A kutatók szerint a módszer a tesztkörnyezetben a kétértelmű tárgyleírások körülbelül 92 százalékát pontosította, miközben átlagosan mindössze két további képleírást kellett feldolgoznia tárgyanként. A tárgyleírások pontossága 5 százalékkal javult a korábban alkalmazott összehasonlító módszerekhez képest. A rendszer emellett pontosabban válaszolt a tárgyak helyére és utolsó észlelési időpontjára vonatkozó kérdésekre is.
Olvasd el: 15 perc alatt digitalizálhat egy 100 négyzetméteres teret a Hesai új Kosmo rendszere
Mennyivel válhatnak biztonságosabbá a jövő autonóm robotjai, ha már nemcsak felismerik a környezetük tárgyait, hanem azt is képesek megállapítani, melyik korábbi felismerésükben nem lehetnek biztosak?
A fejlesztés jelentősége különösen a valódi fizikai környezetben dolgozó robotoknál lehet nagy. Egy háztartási robotnak például meg kell találnia egy korábban látott tárgyat, egy ipari robotnak pedig pontosan kell azonosítania a munkaterületén elhelyezkedő eszközöket. Ha a rendszer hibásan tárolja el egy tárgy nevét vagy helyzetét, később téves útvonalat választhat, rossz eszközhöz nyúlhat vagy nem tudja teljesíteni a feladatot. Az MIT kutatói szerint a bizonytalanság felismerése azért fontos, mert a fizikai mesterséges intelligenciánál egy téves következtetésnek közvetlen, valós következménye is lehet.
A mostani módszer ugyanakkor még kutatási fejlesztés, nem széles körben alkalmazott kereskedelmi robotfunkció. A tesztek meghatározott robotikai környezetekben zajlottak, és nem bizonyítják, hogy a rendszer minden tárgyat és helyzetet pontosan tudna kezelni. A kutatók a következő lépések között olyan robotok vizsgálatát is tervezik, amelyek képesek manipulálni a környezetükben található tárgyakat. Emellett azt is szeretnék elérni, hogy a rendszer ne csak a már összegyűjtött képeket használja, hanem aktívan visszatérhessen azokhoz a helyszínekhez, ahol további információra van szüksége.
Az MIT fejlesztése fontos irányt mutat a mesterséges intelligencia alapú robotika fejlődésében. A jövő autonóm rendszereinek nem elegendő, ha gyorsan felismerik a környezetüket és képesek mozgást tervezni. Ugyanilyen fontos lesz, hogy felismerjék saját tudásuk korlátait, és új információk alapján kijavíthassák a tévesen eltárolt adatokat. Ha az ilyen memóriakezelési megoldások megbízhatóan működnek a gyakorlatban, hozzájárulhatnak ahhoz, hogy a háztartási, szolgáltató és ipari robotok biztonságosabban végezzenek összetett, több lépésből álló feladatokat.
Olvasd el ezt is: Nem kívánt webes műveleteket végeztek a Tencentnél tesztelt mesterséges intelligencia ügynökök
Források: Massachusetts Institute of Technology, MIT News, UQ-DAAAM Research Paper
CS.SZ.
