Nový algoritmus dokáže z ničeho naučit robota chodit přes překážky i hrát různé sporty

  • Vědci vytvořili nový algoritmus, který dokáže robota naučit pohybu v neznámém a náročném prostředí
  • Robot se díky univerzálnímu algoritmu dokáže naučit i různé sporty, třeba i fotbal
  • Použití těchto systémů lze očekávat jak ve hrách, tak i u reálných robotů

Vědci z univerzity Britské Kolumbie představili nový algoritmus, který umožňuje struktuře robota či jiného charakteru v simulovaném nebo reálném prostředí, naučit se pohybovat a plnit „cíle“. Může jít tak o průchod prostředím, které má překážky všeho druhu nebo třeba sporty, jako je například fotbal a kopnutí míče do branky.

V minulosti už se objevilo několik systémů umělé inteligence, která díky hlubokým neuronovým sítím dokázaly celkem zdatně zvládat pohyb v náročném simulovaném terénu. Nový vytvořený systém jde ale s univerzálností ještě dále a rozšiřuje možnosti učení i na oblasti, které dříve byly řešené samostatnými algoritmy.

DeepLoco: dvouúrovňové zkoušení a učení

Tým pod vedením profesora Michiela van Panneho na konferenci SIGGRAPH 2017 představil několik let vyvíjený systém DeepLoco, který dokáže řešit pohyb a úkoly v komplexním prostředí. Místo toho, aby chování bylo předem naprogramované, algoritmus s využitím umělé inteligence dokáže daný úkol vyřešit sám pouhým zkoušením a zpětnou vazbou. Díky tomuto učení tak například dokáže udržet stabilitu, posléze i na nerovném a pohybujícím se povrchu a náročnost může dále stoupat – překážky různé velikost, létající narážející předměty a podobně.

DeepLoco navíc řeší to, aby pohyb daného charakteru – může jít o simulaci lidské postavy, robota, zvířete a podobně, byl v prostoru přirozený. To je důležité pro cílový segment, kterým jsou například filmy nebo počítačové hry. Právě u nich je většinou vše velmi pevně naprogramováno a pokud různé postavy a objekty interagují s okolím, vypadá to obvykle dost podivně. Jistě to zná každý hráč – postavy zkrátka „plavou“ nad nebo v nejhorších případech i pod virtuálním povrchem a nemají tak žádný „fyzikální“ styk s daným prostředím.

Vědci u DeepLoco použili dvě úrovně řízení, které se starají o učení a ovládání. Nižší ovládací jednotka se stará o samotné ovládání končetin a vyvažování (motorika), vyšší jednotka pak obstarává zpracování cíle v podobě směru nebo analýzu prostředí (například dle prezentovaných výškových bodů na mapě). Obě části využívají k učení hluboké neuronové sítě.

Komplexnější inteligentní systémy

Jak je vidět na tomto systému, s rozvojem jejich schopností přichází architektura podobná našemu mozku, která rovněž využívá několik úrovní abstrakce a každá má své „cíle“. Zjednodušeně řešeno – pokud sáhnete na rozpálený předmět, zareagujete velmi rychle na jednoduchou situaci (nízká úroveň), ale to, že chcete zhubnout do plavek, už je opravdu velmi abstraktní úkol, který vyžaduje splnění spousty úkolů s velkým časovým plánováním.

Vědci chtějí do budoucna ještě více prozkoumat právě využívání tohoto víceúrovňového systému abstrakce, kdy by roboti dokázali řešit ještě komplexnější výzvy a vytvořená umělá inteligence by dokázala v rámci systémů nižší úrovně nalézt efektivnější řešení pro splnění cíle vyšší úrovně.

Typickým příkladem může být plánované použití dvou charakterů, které budou mezi sebou interagovat. Jeden samotný charakter například nedokáže přelézt virtuální zeď, ale pokud by mu druhý pomohl, bylo by to možné. Takové systémy nejsou žádnou vědeckofantastickou představou, ale jen otázkou času. S příchodem těchto komplexních systémů ale jde ruku v ruce i příchod komplexnějších superinteligencí, které nelze nikdy zcela kontrolovat.

Témata článku: Věda, Umělá inteligence, Sport, Neuronová síť, Výzkum, Roboti, Strojové učení, Pohyb, Simulace, Systém, Typický příklad, Nízká úroveň, Vědec, Vysoká úroveň, Robot, Překážka, Komplexní prostředí, Zpětná vazba, Vyvíjený systém, Algoritmus, Kolumbie, Efektivní řešení, Cílový segment, Jednoduchá situace, Komplexní systém

4 komentářů

Nejnovější komentáře

  • Jozef Kostelanský 6. 8. 2017 21:14:25
    Zaujímavé to začne byť, až umelá inteligencia začne vymýšľať, ako trénovať...
  • Karel Dvořák 6. 8. 2017 15:59:11
    A opravdu z ničeho? Takže nemám nic a z toho vznikne robot a naučí se...
  • Libor Žák 6. 8. 2017 12:40:56
    Velmi zajímavé. Silná UI to samozřejmě ještě není, stejně jako v žádné...
Určitě si přečtěte

Co je realita a fikce? Brzy to nepoznáme. A.I. ze Stanfordu tvoří fotky z neexistujících měst

Co je realita a fikce? Brzy to nepoznáme. A.I. ze Stanfordu tvoří fotky z neexistujících měst

** Fotografii každý vnímá jako jednoznačný důkaz ** časem to ale přestane platit ** Strojové učení se totiž neustále zdokonaluje

Včera | Čížek Jakub | 7

Intel na svém webu nečekaně odhalil architekturu Ice Lake. Půjde o druhou 10nm generaci

Intel na svém webu nečekaně odhalil architekturu Ice Lake. Půjde o druhou 10nm generaci

** Na webu Intelu se objevily první zmínky o architektuře Ice Lake ** Půjde o druhou generaci využívající 10nm proces ** Dorazit by měla v druhé polovině příštího roku

Včera | Janů Stanislav | 9

Měsíc měl magnetické pole přes 2 miliardy let

Měsíc měl magnetické pole přes 2 miliardy let

** Dnešní Měsíc má jenom velmi slabé magnetické pole, ale dříve tomu bylo jinak ** Magnetické pole Měsíce svého času bylo dokonce silnější, než je současné magnetické pole Země ** Někdy v době před 3 miliardami let však prakticky vyhaslo... nebo ne?

Včera | Mihulka Stanislav | 4