Une description du fonctionnement de la méthode :Une caméra acquiert un flux vidéo en direct d'une scène, et les positions et relations des objets dans la scène sont déduites en temps réel par une paire de réseaux neuronaux. Les perceptions résultantes sont transmises à un autre réseau qui génère un plan pour expliquer comment recréer ces perceptions. Finalement, un réseau d'exécution lit le plan et génère des actions pour le robot, prenant en compte l'état actuel du monde pour assurer la robustesse aux perturbations extérieures. Crédit :NVIDIA
Les chercheurs de NVIDIA ont commencé à apprendre à un robot à accomplir une tâche en observant simplement les actions d'un humain. Les réseaux ont été formés comme décrit dans une vidéo. Le système a été testé dans le monde réel sur un problème de pick-and-place d'empilement de cubes colorés, et ils ont utilisé un robot Baxter.
Une équipe de six auteurs a discuté de ce travail, « Réseaux de neurones formés de manière synthétique pour l'apprentissage de plans lisibles par l'homme à partir de démonstrations dans le monde réel. » Leur succès impliquait un robot capable d'apprendre une tâche à partir d'une seule démonstration dans le monde réel.
Pourquoi c'est important :les planificateurs explorent les questions sur la façon dont les humains travailleront aux côtés des robots :comment cela peut-il être fait en toute sécurité et efficacité ? Les auteurs le disent clairement. "Pour que les robots effectuent des tâches utiles dans des conditions réelles, il doit être facile de communiquer la tâche au robot; cela inclut à la fois le résultat final souhaité et tout indice quant aux meilleurs moyens d'atteindre ce résultat."
Frédéric Lardinois dans TechCrunch « Les robots industriels consistent généralement à répéter indéfiniment une tâche bien définie. cela signifie effectuer ces tâches à une distance sûre des humains fragiles qui les ont programmées. De plus en plus, cependant, les chercheurs réfléchissent maintenant à la façon dont les robots et les humains peuvent travailler à proximité des humains et même apprendre d'eux. »
Lardinois a dit Dieter Fox, le directeur principal de la recherche en robotique chez NVIDIA, lui a dit que l'équipe voulait permettre à cette prochaine génération de robots de travailler en toute sécurité à proximité des humains. Les robots devront apprendre comment ils peuvent aider les gens, que ce soit dans les milieux industriels ou dans les maisons des personnes.
L'équipe a montré un système pour déduire et exécuter un programme lisible par l'homme à partir d'une démonstration du monde réel.
Le site des développeurs de NVIDIA a déclaré qu'il s'agissait du premier système d'apprentissage en profondeur du genre capable d'apprendre à un robot à accomplir une tâche simplement en observant les actions d'un humain. "Avec des démonstrations, un utilisateur peut communiquer une tâche au robot et fournir des indices sur la meilleure façon d'effectuer la tâche."
Leur système impliquait une série de réseaux de neurones. Comment ils fonctionnaient :les chercheurs ont entraîné une séquence de réseaux de neurones pour effectuer des tâches associées à la perception, génération de programme et exécution de programme.
Leur technique :une caméra a acquis un flux vidéo en direct d'une scène où les positions et les relations des objets ont été déduites en temps réel par une paire de réseaux de neurones. Celles-ci ont été transmises à un autre réseau qui a généré un plan pour expliquer comment recréer ces perceptions. Un réseau d'exécution a lu le plan et généré des actions pour le robot.
Qu'est-ce qui distingue leur exploration des recherches antérieures? Une différence réside dans la formation des réseaux de neurones. Les approches actuelles nécessitent de grandes quantités de données d'entraînement étiquetées - un " goulot d'étranglement sérieux dans ces systèmes, ", a déclaré le site de NVIDIA.
En revanche, "Avec la génération de données synthétiques, une quantité presque infinie de données d'entraînement étiquetées peut être produite avec très peu d'effort."
Lardinois en TechCrunch ont qualifié leur recherche de "étape importante dans ce parcours global pour nous permettre d'enseigner rapidement de nouvelles tâches à un robot".
Compte tenu de l'aspect visuel fort de ce processus de formation, il a écrit, L'expérience de Nvidia dans le matériel graphique aide sûrement. TechSpot a noté comment « Exécuter tous ces réseaux de neurones nécessite de sérieuses capacités de calcul. »
Les chercheurs ont utilisé des GPU NVIDIA TITAN X.
Jonathan Tremblay, Thang à, Artem Molchanov, Stephen Tyree, Jan Kautz, Stan Birchfield est l'équipe derrière le journal.
© 2018 Tech Xplore
