Virtuella robotar har flyttat upp till en elitplattform dedikerad till att öka sitt spel. Plattformen kallas AI Habitat.

Detta är till förtjänst för forskare från Facebook, som inser att agenterna behöver bättre verklighetstrogna miljöer om de ska fungera bra medan de navigerar sig från sovrummet till korridorerna, genom museikorridorer, ute och rör på sig i butiker.

Tekniska övervakare, särskilt de som täcker det stora ämnet artificiell intelligens, har tittat på utvecklingen av något som kallas AI Habitat. Det är en öppen plattform för förkroppsligad AI-forskning.

I Facebook AI-bloggen, författarna sa att det var en del av Facebook AI:s ansträngning att skapa system "mindre beroende av stora annoterade datamängder som används för övervakad utbildning. Allt eftersom fler forskare använder plattformen, vi kan tillsammans utveckla förkroppsligade AI-tekniker snabbare, samt inse de större fördelarna med att ersätta gårdagens träningsdatauppsättningar med aktiva miljöer som bättre speglar den värld vi förbereder maskinassistenter för att arbeta i."

Kommer riddare in MIT Technology Review sa att "Medan andra simuleringsmotorer körs med cirka 50 till 100 bilder per sekund, Facebook säger att AI Habitat körs på över 10, 000 bilder per sekund, vilket gör det möjligt att snabbt testa AI-agenter."

Dess syfte är att möjliggöra utbildning av förkroppsligade AI-agenter, virtuella robotar i en fotorealistisk 3D-simulator, innan de inlärda färdigheterna överförs till verkligheten.

Men vänta, gå tillbaka lite och pausa. Förstår vi verkligen vad de håller på med, genom att använda frasen "förkroppsligad AI?" Deras fullständigare förklaring i en AI-blogg är av två forskare och två forskningsingenjörer. De fyra klargör vad de bestämmer sig för att göra i Habitat.

Från en robot ombedd att ta en telefon från skrivbordet på övervåningen till en enhet som hjälper synskadade att navigera i ett okänt tunnelbanesystem, nästa generation av AI-drivna assistenter kommer att behöva visa en rad förmågor. Många forskare tror att det mest effektiva sättet att utveckla dessa färdigheter är att fokusera på förkroppsligad AI, som använder interaktiva miljöer för att jorda systemträning i den verkliga världen, snarare än att förlita sig på statiska datamängder.

Detta Habitat-team pratade också om Habitat Challenge. I utmaningen, uppladdade agenter utvärderas i osynliga miljöer för att testa för generalisering.

"Till skillnad från traditionella utmaningar där människor laddar upp förutsägelser baserat på en uppgift relaterad till ett givet riktmärke som ImageNet eller VQA, " enligt ett blogginlägg, "den här krävde att deltagarna laddade upp kod. Koden kördes i nya miljöer som deras agenter inte hade sett tidigare."

Habitat-API beskrivs på GitHub som ett "modulärt högnivåbibliotek för att träna förkroppsligade AI-agenter för en mängd olika uppgifter, miljöer, och simulatorer."

Habitat API är en 3D-simulator "med konfigurerbara agenter, flera sensorer, och generisk 3D-datauppsättningshantering."

Amrita Khalid, Engadget , slogs av ett vardagsrums fotorealistiska 3D-simuleringar med sina skarpa detaljer och hur "riktigt" allt var, ner till velourstrukturen på soffan och den reflekterande väggspegeln:"Replika simulering av ett vardagsrum är tänkt att fånga alla subtila detaljer man kan hitta i ett riktigt vardagsrum."

Khalid rapporterade att Facebook Reality Labs släppte datamängden med fotorealistiska provutrymmen kallad Replica. Vissa forskare har redan tagit Replica och AI Habitat för en provkörning, sa Khalid. "Facebook AI var nyligen värd för en autonom navigeringsutmaning på plattformen."

Replica är ett forskningsprojekt skapat av Facebook Reality Labs. Replica beskrivs som en fotorealistisk återskapande av 18 provrum, till exempel ett kontorskonferensrum och ett tvåvåningshus, inrättats av forskare. Replika kan laddas upp i AI Habitat. "Genom att träna en AI-bot att svara på ett kommando som "bring my keys" i en Replica 3D-simulering av ett vardagsrum, forskare hoppas att det en dag kan göra samma sak med fysiska robotar i ett verkligt vardagsrum."

Som Will Knight sa i MIT Technology Review , det önskade resultatet skulle vara "så att deras AI-algoritmer kan lära sig hur den verkliga världen fungerar." Detta kan göra, i teorin, robotar och chatbots smartare.

Facebooks team har goda skäl till varför allt detta spelar roll:Att träna dessa virtuella robotar i dessa virtuella utrymmen möjliggör ett skifte från "internet AI" baserat på statiska datauppsättningar till "förkroppsligad AI där agenter agerar i realistiska miljöer, föra fram aktiv uppfattning, långsiktig planering, lära av interaktion, och hålla en dialog grundad i en miljö."

Ett område som skulle kunna dra nytta av dessa forskningsinsatser kan vara inhemska robotar som anpassar sig till nya hem och personliga uppgifter utan att omskolas.

Knight gjorde en poäng om AI:s större bild:"Bristen på sunt förnuft är ett påfallande problem för dagens AI-system. Till skillnad från en person, en chatbot eller robot kan inte lita på en förståelse av världen – saker som fysik, logik, och sociala normer - för att ta reda på avsikten med ett tvetydigt kommando."

Dessa virtuella utrymmen kan laddas in i den nya AI Habitat, där AI-program kan utforska och lära sig. Algoritmerna kommer först att tränas för att känna igen objekt i olika inställningar. Men med tiden, Knight sa, de borde bygga upp en sund förståelse för den fysiska världens konventioner – som det faktum att tabeller vanligtvis stöder andra objekt.

© 2019 Science X Network