ربات‌ها با تماشای یک میلیون ساعت ویدیو از انسان‌ها، به موفقیت ۹۰ درصدی رسیدند | موبوگیم

شرکت داینا رباتیکس (Dyna Robotics) یک مدل بنیادی جدید برای ربات‌ها رونمایی کرده که با استفاده از بیش از یک میلیون ساعت ویدیو از رفتار و فعالیت انسان‌ها آموزش دیده است.

این شرکت معتقد است چنین مقیاسی می‌تواند به حل یکی از مهم‌ترین مشکلات موجود در آموزش ربات‌ها برای انجام وظایف فیزیکی کمک کند. داینا رباتیکس که در ردوود سیتی ایالت کالیفرنیا مستقر است، اعلام کرده مدل DYNA-2 به‌طور کامل با ویدیوهای اول‌شخص انسانی آموزش داده شده و حجم این مجموعه داده تقریباً معادل ۱۷۰ سال تجربه پیوسته انسان در ساعات بیداری است.

هدف از این روش آن است که ربات‌ها بتوانند مهارت‌های فیزیکی را از نحوه تعامل انسان‌ها با اشیا و محیط اطرافشان یاد بگیرند و وابستگی به داده‌های کنترل از راه دور که به‌صورت دستی جمع‌آوری می‌شوند، کاهش پیدا کند. به گفته داینا رباتیکس، این شیوه می‌تواند با افزایش توانایی‌های ربات‌ها، روشی مقیاس‌پذیرتر برای آموزش آن‌ها فراهم کند.

در آزمایش‌های انجام‌شده، این شرکت گزارش داده که DYNA-2 تنها با افزایش مقیاس آموزش اولیه توانسته نرخ موفقیت در وظایف تولیدی با دقت بالا را از ۲۰ درصد به محدوده ۸۰ تا ۹۰ درصد برساند. این مدل همچنین قابلیت انتقال آموخته‌های خود را میان بازوهای رباتیک ثابت، نمونه‌های اولیه ربات‌های انسان‌نما و دست‌های رباتیک دارای مهارت حرکتی بالا نشان داده است.

ویدیوهای انسانی به داده آموزشی ربات‌ها تبدیل می‌شوند

مدل داینا رباتیکس از معماری مدل‌سازی جهان استفاده می‌کند که پیش‌بینی فریم بعدی و پیش‌بینی اقدام بعدی را با یکدیگر ترکیب می‌کند. این سامانه به‌جای اینکه فقط از حرکاتی که خود ربات‌ها انجام داده‌اند بیاموزد، از ویدیوهای انسانی بهره می‌گیرد تا درک بهتری از تغییرات محیط‌های فیزیکی و واکنش اشیا به حرکت پیدا کند.

به گفته این شرکت، چنین رویکردی باعث می‌شود دانشی که از رفتار انسان‌ها به دست می‌آید، بتواند میان سخت‌افزارهای مختلف رباتیک منتقل شود. داینا رباتیکس اعلام کرد DYNA-2 در مرحله آموزش اولیه هیچ داده رباتیکی ندیده، اما بعداً می‌توان آن را با تنها چند ساعت تنظیم دقیق محلی برای کار با پلتفرم‌های مختلف آماده کرد.

در یکی از آزمایش‌ها، تنها ۱۳ دقیقه داده برای آن کافی بود تا DYNA-2 بتواند یک جفت دست رباتیک پنج‌انگشتی را برای باز کردن درپوش یک بطری با چرخاندن آن هدایت کند. داینا رباتیکس همچنین اعلام کرد در میان ۱۵ وظیفه معیار، مدل‌هایی که با حجم بیشتری از ویدیوهای انسانی آموزش دیده بودند، به‌طور مداوم عملکرد بهتری از خود نشان دادند.

این شرکت DYNA-2 را با مدل قبلی خود یعنی DYNA-1 نیز مقایسه کرده است؛ مدلی که بر پایه معماری بینایی، زبان و اقدام ساخته شده. در یک استقرار واقعی برای مشتری که مدل در آن بدون آموزش اختصاصی قبلی مورد استفاده قرار گرفت، DYNA-2 توانست نرخ قبولی کیفی ۸۷ درصدی به دست آورد، در حالی که این رقم برای DYNA-1 تنها ۴۶ درصد بود.

عبور ربات‌ها از محدودیت کنترل از راه دور

داینا رباتیکس اعلام کرده مدل جدید هنگام روبه‌رو شدن با اختلالات فیزیکی که روند انجام یک وظیفه را برهم می‌زنند نیز مقاومت بیشتری نشان داده است. در آزمایش‌هایی که فعالیت‌هایی مانند خرد کردن مواد غذایی و مرتب‌سازی یا پاک‌سازی محیط‌های کاری را شامل می‌شد، DYNA-2 می‌توانست بدون دخالت انسان شرایط را اصلاح کرده و کار را ادامه دهد، در حالی که مدل قبلی برای بازیابی عملکرد به کمک دستی نیاز داشت.

این شرکت همچنین گفت روش آموزش هم‌زمان با ویدیو توانسته امتیاز ربات‌ها را در وظایف پیروی از دستورالعمل‌ها ۱۳۳ درصد افزایش دهد؛ این وظایف به ربات‌ها نیاز داشتند تا بر اساس فرمان‌های دریافتی، حرکات فیزیکی متفاوتی را اجرا کنند.

جیسون ما، یکی از بنیان‌گذاران داینا رباتیکس، گفت:

سال‌هاست که رباتیک همه‌منظوره با یک گلوگاه داده‌ای مواجه است؛ جمع‌آوری دستی داده‌های کنترل فیزیکی از راه دور به‌سادگی نمی‌تواند برای رسیدن به هوش عمومی در مقیاس گسترده ادامه پیدا کند. داده‌های مربوط به اقدامات فیزیکی کمیاب هستند، اما ویدیو همه‌جا وجود دارد و ما با DYNA-2 نشان دادیم که برای شکل‌گیری درک فیزیکی و شهودی، نیازی به میلیون‌ها ساعت آموزش روی بازوی رباتیک نیست و این توانایی را می‌توان مستقیماً از ویدیوهای انسانی یاد گرفت.

داینا رباتیکس اعلام کرده که ربات‌های این شرکت که از مدل قبلی DYNA-1 نیرو می‌گیرند، هم‌اکنون در هتل‌ها، رستوران‌ها و مراکز خشکشویی به کار گرفته شده‌اند. این شرکت DYNA-2 را گامی در مسیر ساخت ربات‌هایی می‌داند که بتوانند وظایف فیزیکی تازه را بدون نیاز به حجم زیادی از داده‌های آموزشی اختصاصی برای هر ربات یاد بگیرند.

شرکت داینا رباتیکس توسط لیندون گائو، یورک یانگ و جیسون ما، پژوهشگر سابق دیپ‌مایند، تأسیس شده. این مجموعه همچنین از حمایت سرمایه‌گذارانی مانند CRV و First Round برخوردار است.