A Facebook MI csapatának kutatói olyan megerősítésen alapuló tanulási algoritmust fejlesztettek, melynek segítségével a robot akkor is elnavigál bármilyen környezetben, ha előtte nem mutattak neki térképet a helyről. Az érzékelő kamerával, GPS helymeghatározóval és iránytűvel felszerelt robot “agya”, vagyis az irányító algoritmus a kapott adatok elemzésével majdnem hibátlanul, az esetek 99.9%-ában gond nélkül el tudja vezetni a gépet a legrövidebb úton a céljához.

Nem ütközik bele semmibe, nem kell visszafordulnia, és nem kell felfedezőutakat tennie, hogy előbb kitapasztalja a helyet, rögtön elsőre felismeri a megfelelő célirányt.

Mivel a cégek egyre több olyan önvezető/önnavigáló robotot fejlesztenek, melyek alapvető funkciója a jövőben az lesz, hogy velünk, emberekkel együtt élve segítsék az életünket: akár háztartási robotok formájában, akár társasági robotokként, akár szállító drónok és gépek képében, így az akadály-, és balesetmentes közlekedésre való képességük alapvető fontosságú, hogy ne tegyenek kárt senkiben. Ennek elérésében általában a különböző szenzorok segítik őket, amelyek jó szolgálatot tesznek, ha az akadályok kikerülésének feladatát kell kivitelezni vagy, ha egy előre beprogramozott úton kell haladniuk, de mi van akkor, ha ismeretlen terepre tévednek, és onnan kéne megtalálni a hazavezető utat?

Ebben az esetben néhány érzékelő nem biztosít elegendő információt a megoldáshoz, így a gép könnyen eltéved.

Egy csomó céltalanul bolyongó, vagy nem megfelelő úton haladó robot az utcákon vagy az otthonainkban pedig nem az, amit az ideális jövő képében magunk előtt látunk. Ezért nagy lépés a mostani, tökéletes navigációra képes algoritmus megvalósítása, bár egyelőre még csak beltéren tesztelték, azt még a kutatók sem tudják, hogyan fog a bonyolultabb megoldásokat igénylő kültéri környezet kihívásaival megbirkózni.

A helyszín, ahol a Facebook szakértői betanították a robotot az AI Habitat volt, a fotorealisztikus, virtuális megfelelője egy épületnek, többféle szobával, folyosókkal és berendezéssel.

A Habitatot direkt a mesterséges intelligencia programok vizsgálatára hozták létre, más szimulációkkal ellentétben, melyek száz fps grafikájúak, a Habitat tízezer fps-en fut. A teszt három napja alatt összesen két és fél milliárd lépést tettek meg a robotok, ami egy embernek hozzávetőlegesen nyolcvan évébe kerülne, ezt a rendkívüli tanulási tempót azzal sikerült elérni a csapatnak, hogy a lassabb robotokat kihagyták a játékból, hogy ne rontsák a többiek teljesítményét. Mivel a mesterséges intelligencia algoritmusainak működése fekete doboz az emberek számára, ezért a pontos metódus a tanulási folyamatok mögött nem ismert, de most is, mint ahogy már sok esetben megtörtént az elmúlt időkben, a MI használata nagyságrendekkel hatékonyabbá tette a feladat kivitelezését.

Az algoritmust most a LoCoBotokba (Low Cost Robot) építve tesztelik immár nem digitális, hanem valós fizikai környezetben.

A LoCoBotot bárki megépítheti magának, ha esetleg otthon tesztelni szeretné, a gép ugyanis nyílt-forráskódú elérhetőségű, de a megfelelő kellékeket, 3D nyomtatott alkatrészeket mindenki magának kell, hogy beszerezze. “A térképek sajnálatos jellemzője, hogy abban a pillanatban elavulttá válnak, amint létrehozzák őket. A legtöbb való világbeli helyszín folyamatosan fejlődik - az épületek és struktúrák változnak, a tárgyak odébb kerülnek, az emberek és állatok állandó mozgásban vannak. Azzal, hogy megtanultak térkép nélkül navigálni, a DD-PPO rendszerek felgyorsíthatják az új MI alkalmazások megszületését, melyet a fizikális világban lehet alkalmazni.”

(Fotó: Flickr/dwmoran)