• Home
  • Kemi
  • Astronomien
  • Energi
  • Naturen
  • Biologi
  • Fysik
  • Elektronik
  •  Science >> Vetenskap >  >> Fysik
    Datormodellen matchar människor i att förutsäga hur föremål rör sig
    Datormodell matchar människor i att förutsäga hur objekt rör sig

    >En ny datormodell har utvecklats som kan matcha människors förmåga att förutsäga hur föremål kommer att röra sig. Modellen skulle kunna användas för att förbättra säkerheten för självkörande bilar och andra autonoma system, samt för att simulera objekt i videospel och filmer.

    > Människor förutsäger objektrörelser genom att dra på visuell och fysisk kunskap, samt sunt förnuft. Datormodellen, utvecklad av forskare vid Stanford University, kombinerar maskininlärning och fysikbaserad simulering för att uppnå människoliknande prestanda på en rad uppgifter, inklusive att förutsäga hur en boll kommer att studsa från ett bord eller hur en vätska kommer att flöda in i ett glas .

    > "Vår modell kan simulera världen omkring oss på ett sätt som är intuitivt för människor", säger Peter Abbeel, professor i datavetenskap vid Stanford och chef för Stanford Artificial Intelligence Laboratory. "Detta öppnar upp ett brett utbud av möjligheter för nya applikationer som förlitar sig på exakt objektförutsägelse, såsom självkörande bilar och videospel."

    > Datormodellen använder en kombination av konvolutionella neurala nätverk (CNN), som är artificiella neurala nätverk som kan bearbeta rumslig information, och en fysikbaserad motor för att simulera objekts rörelse. CNN används för att extrahera funktioner från den visuella inmatningen, såsom formen och strukturen på ett objekt, och den fysikbaserade motorn används för att simulera hur objektet kommer att röra sig baserat på dessa funktioner.

    > Modellen tränades på en stor datamängd av mänsklig rörelsefångstdata, vilket gjorde det möjligt för den att lära sig hur människor förutsäger objekts rörelse. Forskarna fann att modellen kunde uppnå människoliknande prestanda på en rad uppgifter, inklusive att förutsäga en bolls väg, en vätskas bana och en mänsklig hands rörelse.

    > "Vi hoppas att vår modell kan hjälpa till att överbrygga klyftan mellan mänsklig intuition och maskininlärning," sa Abbeel. "Genom att kombinera det bästa av två världar kan vi skapa autonoma system som är mer säkra, effektiva och användarvänliga."

    © Vetenskap https://sv.scienceaq.com