Linkovi

Robot-kuvar u bliskoj budućnosti?


TIm naučnika na Univerzitetu Merilenda pokušava da nauči robota da izvrši jednostavni zadatak gledajući video snimke tog postupka.
TIm naučnika na Univerzitetu Merilenda pokušava da nauči robota da izvrši jednostavni zadatak gledajući video snimke tog postupka.

Ako ste nekada postavili film svog omiljenog recepta na Jujtjub, postoji su šansa da će ga isprobati robot.

Roboti koji prate instrukcije i na osnovu njih obavljaju razne zadatke nisu novi koncept. Ali roboti koji mogu da nauče da rade nešto gledajući snimljen video materijal predstavljaju potpuno drugačiji pristup, oko kojeg se okupila grupa istraživača na Univerzitetu Merilend.

Ako ste nekada postavili film svog omiljenog recepta na Jujtjub, postoji šansa da će ga isprobati robot.

“Postoji ogroman broj video informacija na internetu, koje koristimo kako bi naši roboti učili”, kaže profesor kompjuterskih nauka, Janis Alimonos.

Alimonos sa Univerziteta Merilend predvodi tim koji radi na projektu učenja robota kako da ponovi jednostavne zadatke gledajući film. Trenutno, video materijal se u robote prebacuje elektronski, objašnjava naučnica istraživač Kornelija Fermjuler.

“U početku smo zapravo snimali sami sebe dok kuvamo. Kako je napredovao tako su korišćeni video materijali dobrog kvalititea, i prebaciće se na filmove kućne proizvodnje, koji su još lošijeg kvaliteta”.

Robot nazvan Džulija za sada može da sipa namirnice, doda preliv i promeša prostu salatu. Ona uči tako što posao deli na osnovne elemente, kao što su hvatanje kašike, približavanje kašike činiji, mešanje salate i posmatranje rezultata.

S obzirom da Džulija može da vidi, čuje i seti se onoga što je naučila, a da zatim iskombinuje te elemente kako bi obavila određen zadatak, Alimonos kaže da se projekat svodi na integraciju svoj tih sposobnosti.

“Kako pokazujemo tu sposobnost? Tako što pravimo kompjuterski program koji će da upotrebi percepciju - stvari koje vidimo ili čujemo, znanje koje je nekako u kompjuteru i to pravilno organizovano i motorne funkcije, one koje imate za pokretanje ruku i prstiju i da utičemo na svet”.

Ali zašto učiti robota da razume video kada lako može da prati već napravljen program? Alimonis kaže da unapred zapisanim instrukcijama nedostaje fleksibilnost.

“Imate sistem koji je napravljen za određeni zadatak, i ne može da generalizuje. Ne možete da ga primenite u drugačijem okruženju, nije fleksibilno”.

Alimonis kaže da je jedan od problema koji istraživači pokušavaju da reše, kako da robot razume i primeni ono što je naučio tokom obavljanja određenog zadatka, tzv. povratna informacija. Još jedan problem će, kaže on, biti uvođenje jezika.

“Verujem da će proći dosta vremena pre nego što roboti budu mogli da razumeju metafore, tipa nepodnošljiva lakoća postojanja”.

Ipak, zaključuje Alimonis, to nije neophodno za pravljenje novog sveta u kojem će roboti raditi za nas.

XS
SM
MD
LG