Chào mừng bạn đến với Trường Đại học Robot

Bạn muốn robot của mình học được nhiều điều mới? Vậy thì bạn hãy gửi nó đến RoboNet, một dữ liệu cơ sở video rộng lớn có thể mà một ngày nào đó có thể dạy robot về mọi thứ.

Mr. Tech

Một trong những anh hùng vô danh của cuộc cách mạng AI là một cơ sở dữ liệu ít được biết đến có tên ImageNet. Được tạo bởi các nhà nghiên cứu tại Đại học Princeton, ImageNet chứa khoảng 14 triệu hình ảnh, mỗi hình ảnh được chú thích bởi crowdsourced text giải thích những gì hình ảnh hiển thị.

ImageNet rất quan trọng vì đây là cơ sở dữ liệu mà nhiều mạng lưới neural mạnh mẽ ngày nay đang học hỏi kinh nghiệm. Mạng lưới neural học hỏi bằng cách nhìn vào hình ảnh và đi kèm với văn bản – và cơ sở dữ liệu càng lớn thì robot sẽ càng học tốt hơn. Không có ImageNet và các bộ dữ liệu hình ảnh khác giống vậy, ngay cả các mạng neural mạnh nhất cũng không thể nhận ra bất cứ điều gì.

Bây giờ các nhà nghiên cứu robot nói rằng họ muốn thử một cách tiếp cận tương tự với video để dạy các chỉ thị của họ cho robot cách tương tác với môi trường. Sudeep Dasari của Trường Đại học California, Berkeley, và đồng nghiệp đang tạo ra một cơ sở dữ liệu được gọi là RoboNet, nó bao gồm dữ liệu video được chú thích của các robot đang hoạt động. Ví dụ, dữ liệu có thể bao gồm nhiều trường hợp robot di chuyển cái cốc trên bàn. Ý tưởng ở đây là bất kỳ ai cũng có thể tải xuống dữ liệu này và sử dụng nó để huấn luyện một mạng lưới neural của robot để di chuyển cốc, ngay cả khi nó chưa bao giờ tương tác với cốc trước đó.

Dasari và đồng nghiệp hy vọng xây dựng cơ sở dữ liệu của họ thành một tài nguyên có thể đào tạo trước hầu hết mọi robot để thực hiện hầu hết mọi nhiệm vụ, một kiểu trường đại học dành cho robot mà nhóm gọi là RoboNet.

Cho đến nay, các nhà nghiên cứu robot đã hạn chế thành công trong việc dạy các chỉ thị của họ cách điều hướng và tương tác với môi trường. Cách tiếp cận của họ là kỹ thuật machine-learning tiêu chuẩn mà ImageNet đã giúp nó trở nên phổ biến.

Robonet

Họ bắt đầu bằng cách ghi lại cách robot tương tác với một chiếc bàn chải để di chuyển nó trên một bề mặt. Sau đó, họ lấy thêm nhiều video về chuyển động của nó và sử dụng dữ liệu này để huấn luyện một mạng lưới neural về việc làm thế nào để thực hiện hành động tốt nhất.

Tất nhiên, thủ thuật này sẽ có rất nhiều dữ liệu – nói cách khác, là video có thời lượng dài vô kể để học. Và một khi robot thành thạo hành động di chuyển bàn chải, nó sẽ phải trải qua cùng một quy trình học tập để di chuyển gần như mọi thứ khác, có thể là một cái muỗng hoặc một cặp kính. Nếu môi trường thay đổi, các hệ thống học tập nói chung phải bắt đầu lại từ đầu.

Dasari cùng đồng nghiệp nói, “Thực tế thường xảy ra là việc thu thập lại dữ liệu từ đầu cho mọi môi trường mới về căn bản có nghĩa là học lại kiến ​​thức cơ bản về thế giới - một nỗ lực không cần thiết.”

RoboNet thường xoay quanh vấn đề này. Họ nói, “Chúng tôi đề xuất RoboNet, một cơ sở dữ liệu mở để chia sẻ kinh nghiệm về robot.” Do đó, bất kỳ robot nào cũng có thể học từ một robot khác.

Để khởi động cơ sở dữ liệu, nhóm đã ghi lại khoảng 15 triệu khung hình video về các nhiệm vụ bằng cách sử dụng bảy loại robot khác nhau với các bộ kẹp khác nhau trong nhiều môi trường khác nhau.

Dasari và đồng nghiệp của mình tiếp tục chỉ ra cách sử dụng cơ sở dữ liệu này để huấn luyện robot trước đưa ra các nhiệm vụ mà trước đây họ chưa từng thử. Và họ nói rằng robot được đào tạo theo phương pháp này hoạt động tốt hơn so với những robot đã được đào tạo thông thường trên nhiều dữ liệu hơn.

Dữ liệu RoboNet có sẵn cho bất cứ ai sử dụng. Và tất nhiên, Dasari và đồng nghiệp hy vọng các nhóm nghiên cứu khác sẽ bắt đầu đóng góp của riêng mình để biến RoboNet thành một nguồn tài nguyên học tập robot rộng lớn.

Đó là công việc ấn tượng mà có tiềm năng đáng kể. Đội ngũ làm việc chia sẻ, “Công việc này thực hiện bước đầu tiên hướng tới việc tạo ra các tác nhân robot có thể hoạt động trong nhiều môi trường và trên các phần cứng khác nhau.”

Tất nhiên, có những thách thức đáng kể phía trước. Ví dụ, các nhà nghiên cứu phải tìm ra cách sử dụng dữ liệu tốt nhất mà nhà đánh giá vẫn đưa ra trong các chế độ đào tạo hiệu quả nhất. Họ nói, “Chúng tôi hy vọng rằng RoboNet sẽ truyền cảm hứng cho các cộng đồng những nhà nghiên cứu robot và tăng cường học hỏi để tìm ra cách để mở rộng các thuật toán tăng cường học hỏi để đáp ứng sự phức tạp của thế giới thực.”

Kết quả là đều ấn tượng và kích thích tư duy: một kiểu trường đại học robot có thể cung cấp cho bất kỳ robot nào các kỹ năng cần thiết để học.

ImageNet từng là một nhân tố quan trọng trong việc tạo ra tầm nhìn của máy móc tốt như con người trong việc nhận biết các vật thể. Nếu RoboNet chỉ thành công một nửa, đó cũng sẽ là một kết quả đáng ấn tượng.

Nguồn: MIT Technology Review