Cho tới giờ, hành động và khả năng điều khiển của những con robot chỉ ngang bằng với một đứa trẻ hai tuổi mà thôi.
Mặc dù robot rất giỏi trong việc quan sát, lắng nghe và học hỏi về thế giới xung quanh, tuy nhiên chúng vẫn khá vô dụng khi phải tương tác với mọi thứ theo cái cách mà con người thực hiện. Chúng “chật vật” khi mở cửa ra vào, đi bộ xuống cầu thang và ăn uống bằng dao nĩa. “Hành động và khả năng điều khiển của chúng chỉ ngang bằng với một đứa trẻ hai tuổi,” Abhinav Gupta, trợ lý giáo sư chuyên ngành Robot tại đại học Carnegie Mellon cho biết.
Gupta và đội ngũ các nhà nghiên cứu của anh đang hi vọng có thể thay đổi được điều đó. Cách thức của họ chính là cho phép robot chơi với các đồ vật, để cho chúng tự khám phá và học cách cầm nắm như một đứa trẻ.
“Nghiên cứu tâm lý học cho biết rằng nếu như con người không được tiếp xúc với những gì họ thấy, sự hiểu biết của họ về nó sẽ bị giới hạn,” Lerrel Pinto, một sinh viên đang chuẩn bị lấy bằng Tiến sĩ ngành Robot học trong nhóm của Gupta cho biết. “Sự tương tác với thế giới thực sẽ khiến robot phát triển được sự ‘sắc sảo’ trong trí thức của nó.”
Robot học cầm nắm đồ vật
Đội ngũ của Gupta đã minh chứng kết quả của họ tại hội thảo European Conference tại sự kiện Computer Vision vào mùa thu năm trước. Và bản demo thử đó đã giúp họ giành được “phần thưởng nghiên cứu khoa học” trị giá 1,5 triệu USD trong 3 năm đến từ Google. Số tiền này sẽ được sử dụng để nâng số lượng robot mà họ đưa vào thử nghiệm nhiều hơn, từ đó tạo nên một cơ sở dữ liệu phong phú hơn cho nhóm nghiên cứu này làm việc.
“Nếu như thu nhập được dữ liệu nhanh chóng hơn thì chúng tôi có thể làm được nhiều việc hơn – tạo lập được nhiều framework khác nhau hơn, “soạn” ra nhiều thuật toán hơn,” Pinto chia sẻ. Sự “học” của một con robot có thể được chia sẻ sang cho người máy khác.
Họ đang tìm hiểu một phương thức tân tiến để tăng tốc độ “học tập” của robot nhanh hơn nữa. Một cách tiếp cận được mục tiêu này là sử dụng kỹ năng này – đẩy ngã một vật thể – để robot tự phát triển kỹ năng khác như cầm nắm, nhặt đồ lên chẳng hạn.
Phương thức cho robot học của Gupta và đồng nghiệp
Một hướng đi khác là adversarial learning (tạm dịch là học tranh tụng, đối kháng). Đó là cho một robot học cách cầm nắm đồ vật, và một người máy khác cố gắng lắc hoặc giật lấy đồ vật kia. Hãy nghĩ tới phương pháp này tương tự như việc một vận động viên được luyện tập với chế độ tăng cường, hay một vị phụ huynh dạy cho con mình cách bắt bóng bằng cách tung ra những cú ném khó.
Cho tới giờ, những robot được huấn luyện bằng phương pháp adversarial learning đã cho thấy tiến bộ rõ rệt về những kỹ năng của mình, đặc biệt là so với những người máy không được áp dụng nó.
Theo The Verge
NỔI BẬT TRANG CHỦ
Intel Lunar Lake khiến fan Windows nở mày nở mặt vì thời lượng pin vượt cả MacBook
Vi xử lý Lunar Lake không chỉ là bước tiến lớn về hiệu năng mà còn về khả năng tiết kiệm pin, giúp Intel tiếp tục khẳng định vị thế dẫn đầu trong lĩnh vực công nghệ.
Tổ chức quốc tế đánh giá Bkav: Phát hiện mã độc dưới tiêu chuẩn, nhận diện sai gấp hơn 6 lần