Forskarna tog upp tre problem:(1) Agera som en hund:där målet är att förutsäga hundens framtida rörelser givet en sekvens av tidigare sett bilder. (2) Planera som en hund:där målet är att hitta en sekvens av åtgärder som flyttar hunden mellan platserna för det givna bildparet. (3) Att lära av en hund:där vi använder den inlärda representationen för en tredje uppgift (t.ex. uppskattning av gångbar yta). Kredit:arXiv:1803.10827 [cs.CV]
Ett team av forskare från University of Washington och Allen Institute for AI har tränat ett AI-system att svara som en hund med hjälp av data från ett verkligt djur. I deras papper laddade upp till arXiv preprint server, gruppen beskriver sitt system och vad det kan och inte kan göra. Teamet kommer också att presentera sitt arbete på konferensen om datorsyn och mönsterigenkänning i sommar.
AI-system är vanligtvis baserade på djupinlärningsalgoritmer som bearbetar data som beskriver händelser, och sedan använda det de har lärt sig för att förutsäga framtida beteende. I denna nya ansträngning, forskarna har tillämpat en sådan strategi på hundbeteende. Deras mål var att bygga ett AI-system som kunde svara på ett sätt som liknar en hund under givna omständigheter. För att uppnå detta mål, de fäste en mängd sensorer på en malamute som heter Kelp M. Redmon. De satte en GoPro och mikrofon på hans huvud, tröghetssensorer på hans kropp, ben och svans, och en Arduino -enhet på ryggen för att samla in och bearbeta data när den strömmade in. Sedan lät de hunden göra hundgrejer, som att leka i parken.
AI-systemet konfigurerades för att uppnå tre huvudmål:förutsäga framtida rörelser, planera en uppgift och lära av hundens beteende. Tanken var att låta systemet lära sig att förutsäga vad en hund skulle göra nästa i ett givet scenario, som när man ser en ekorre. Att efterlikna en hund, systemet skulle behöva skapa en handlingsplan för att genomföra de förutspådda framtida rörelserna och självklart, måste kunna lära sig hur man gör hundsaker genom att lära sig hur en riktig hund gör dem.
I alla, laget samlade in 24, 500 bildrutor med video, som synkroniserades med kroppsmoment och ljud. De använde 21, 000 av dessa ramar för att träna sitt AI-system och resten för att testa det. De rapporterar att systemet fungerar bra, överträffade baslinjerna för uppgifter som de ansåg vara utmanande. AI-systemet var inte kopplat till en hundrobot, men det är helt klart den riktning forskningen är på väg – det kommer sannolikt inte att dröja länge innan AI-beteendesystem kopplas samman med projekt som har fokuserat på att få hundliknande robotar att röra sig som riktiga djur på användbara sätt.
© 2018 Tech Xplore
