Vem behöver kartor? Facebook har gjort en imponerande bedrift med AI som kan navigera utan någon karta.

Facebooks önskan om att skryta, även om de sa att de har en väg att gå, framgick av dess blogginlägg, "Nästan perfekt punkt-mål-navigering från 2,5 miljarder ramar av upplevelse."

Lång historia kort, Facebook har levererat en algoritm som, citerar MIT Technology Review , låter robotar hitta den kortaste vägen i okända miljöer, öppnar dörren för robotar som kan arbeta i hem och kontor."

Och, i linje med det enkla, Ubergizmo Tyler Lee påpekade också:"Facebook tror att med denna nya algoritm, det kommer att kunna skapa robotar som kan navigera i ett område utan behov av kartor...i teorin, du kan placera en robot i ett rum eller ett område utan karta och den borde kunna hitta sin destination."

Erik Wijmans och Abhishek Kadian sa i Facebook-inlägget den 21 januari att, väl, trots allt, en av de tekniska nyckelutmaningarna är att "lära dessa system att navigera genom komplexa, obekanta verkliga miljöer för att nå en specificerad destination – utan en förutbestämd karta."

Facebook har antagit utmaningen. De två meddelade att Facebook AI skapade en storskalig distribuerad förstärkningsinlärningsalgoritm som kallas DD-PPO, "som effektivt har löst uppgiften att navigera efter mål med enbart en RGB-D-kamera, GPS, och kompassdata, " de skrev.

DD-PPO står för decentraliserad distribuerad proximal policyoptimering. Det här är vad Facebook använder för att utbilda agenter och resultaten i virtuella miljöer som hus och kontorsbyggnader var uppmuntrande. Bloggarna påpekade att "inte ens att misslyckas 1 av 100 gånger är inte acceptabelt i den fysiska världen, där en robotagent kan skada sig själv eller sin omgivning genom att göra ett fel."

Utöver DD-PPO, författarna gav kredit till Facebook AI:s öppen källkod AI Habitat-plattform för dess "state-of-the-art hastighet och trohet." AI Habitat gjorde sitt tillkännagivande med öppen källkod förra året som en simuleringsplattform för att träna förkroppsligade agenter som virtuella robotar i fotorealistiska 3D-miljöer. Facebook sa att det var en del av "Facebook AI:s pågående ansträngning att skapa system som är mindre beroende av stora annoterade datamängder som används för övervakad utbildning."

(Douglas Heaven in MIT Technology Review :Medan Facebook tränade bots i tre dagar i AI Habitat, "Andra har tagit en månad eller mer att träna bots i en liknande uppgift, men Facebook påskyndade saker och ting enormt genom att ta bort de långsammaste robotarna från poolen så att de snabbare inte behövde vänta vid mållinjen varje omgång."

InfoQ hade sagt i juli att "Tekniken tog ett annat tillvägagångssätt än att förlita sig på statiska datamängder som andra forskare traditionellt har använt och att Facebook beslutade att öppna källkod för denna teknik för att föra detta delområde framåt."

Jon Fingas in Engadget tittade på hur teamet arbetade mot AI-navigering (och det är här som 25 miljarder kommer in). "Tidigare projekt tenderar att kämpa utan massiv beräkningskraft. Facebook lärde en virtuell agent att hantera punkt-till-punkt-navigering för motsvarande 80 års mänsklig erfarenhet - det är ungefär 2,5 miljarder steg."

Resultatet var en algoritm som är tillräckligt smart i inomhusmiljöer för att välja rätt vägskäl (i motsats till att slösa tid på att backa) och snabbt känna igen fel om man går åt fel håll.

Himmel, i hans MIT Technology Review Artikel, var också till hjälp för att sätta numret i sitt sammanhang. "Facebook tränade bots i tre dagar i AI Habitat, en fotorealistisk virtuell mock-up av interiören av en byggnad, med rum och korridorer och möbler. Under den tiden tog de 2,5 miljarder steg – motsvarande 80 års mänsklig erfarenhet."

Forskare fokuserade på projekt centrerade kring assisterande robotar anser att navigeringsfunktioner är avgörande. "Navigering är viktigt för att skapa AI-agenter och assistenter som hjälper människor i den fysiska världen, från robotar som kan hämta ett föremål från ett skrivbord på övervåningen, till system som hjälper personer med synnedsättning, till AI-drivna assistenter som presenterar relevant information för personer som bär augmented reality-glasögon, " skrev Wijmans och Abhishek Kadiana.

Författarna gjorde sina argument för en värld mindre beroende av kartor, för. Kartor, de bråkade, "blir föråldrade i det ögonblick de skapas. De flesta verkliga miljöer utvecklas – byggnader och strukturer förändras, föremål flyttas runt, och människor och husdjur är i konstant förändring."

Vad kommer härnäst? "Vi hoppas kunna bygga vidare på DD-PPO:s framgångar genom att skapa system som åstadkommer punkt-målsnavigering med endast kameraingång - och ingen kompass eller GPS-data."

Varför ingen kompass eller GPS-data? I ett inlägg den 21 januari, Wijmans och Kadian sa att "kompass- och GPS-data kan vara bullriga eller helt enkelt otillgängliga i inomhusutrymmen. Vi kommer också att använda DD-PPO-tränade modeller för olika uppgifter."

Fingas in Engadget var imponerad över deras "distribuerade förstärkningsinlärningsalgoritm som inte bara når sin destination 99,9 procent av tiden utan att använda kartor, men kan göra det med bara tre procents avvikelse från den ideala vägen."

Faktiskt, sa Himlen in MIT Technology Review , "Kartlös ruttsökning är avgörande för nästa generations robotar som autonoma leveransdrönare eller robotar som arbetar i hem och kontor."

Fingas hade detta att säga om tekniken i allmänhet:Den är fortfarande "mycket ung. Den har ännu inte hanterat utomhus eller komplexa situationer, och den hanterar inte långdistansnavigering bra om den måste tappa sensorer." Ändå, Fingas noterade att Facebook delade med sig av sitt arbete i hopp om ytterligare framsteg.

© 2020 Science X Network