นักพัฒนาระบบที่องค์กรไม่แสวงหาผลกำไร OpenAI ในรัฐแคลิฟอร์เนียได้ประกาศว่าพวกเขาได้เทรนระบบ deep learning ที่ช่วยให้การหยิบจับและควบคุมวัตถุในโลกความเป็นจริงได้อย่างเชี่ยวชาญมากขึ้นเป็นพิเศษ
“ในขณะที่การควบคุมวัตถุอย่างเชี่ยวชาญนั้นเป็นพื้นฐานหลักของการดำเนินชีวิตในทุกๆ วันของมนุษย์ มันจึงเป็นสิ่งที่ท้าทายสำหรับหุ่นยนต์” นักพัฒนากล่าวในงานตีพิมพ์
ในงานนี้ ทีมได้จำลองห้เห็นว่าพวกเขาได้สอนระบบ deep learning อย่างไรที่จะเรียนรู้วิธีการหยิบจับวัตถุของมนุษย์ อย่างเช่นการหยิบปริซึมด้วยปลายนิ้ว โดยโครงข่ายประสาทเทียม (Neural Network) ญังสามารถเรียนรู้การปฏิบัติและพฤติกรรมอย่างเช่น การหมุนนิ้ว การเลื่อนด้วยนิ้ว สไลด์ หรือการใช้หลายนิ้้วมือประสานกัน การควบคุมโดยใช้แรงดึงดูด และการใช้แรงบิดและแรงอื่นๆ ร่วมกันได้
โดยทีมนักพัฒนากล่าวว่าได้เทรนโครงข่ายประสาทเทียมบนเฟรมเวิร์ก TensorFlow บนข้อมูลที่เป็นประสบการณ์ประมาณ 100 ปี ซึ่งสามารถนำมาใช้งานได้ 50 ชม.
“ระบบของพวกเราเรียกว่า Dactyl ซึ่งถูกเทรนมาทั้งหมดในการจำลองและถ่ายทอดความรู้ออกมาในโลกความเป็นจริง โดยประยุกต์กับวัตถุในโลกความเป็นจริงได้โดยใช้เทคนิคที่พวกเราได้ทำงานกันมาในปลายปีที่ผ่านมา” ทีม OpenAI เขียนในบล็อคโพส
โดยเมื่อการเทรนเสร็จสิ้น โครงข่ายประสาทเทียมสามารถดำเนินการหมุนได้ติดต่อกัน 50 ครั้งได้สำเร็จโดยที่ไม่หล่นแม้แต่ครั้งเดียว
“ผลลัพธ์ของพวกเราแสดงให้เห็นซึ่งขัดแย้งกับความเชื่อทั่วไปว่าอัลกอริทึมการทำเรียนรู้แบบบ deep reinforcement learning แบบดั้งเดิมนั้นสามารถนำไปประยุกต์ใช้กับปัญหาของหุ่นยนต์ที่ซับซ้อนในโลกความเป็นจริงได้ ซึ่งเหนือกว่าวิธีการแบบที่ไม่ต้องมีการเรียนรู้ที่มีอยู่ในปัจจุบันได้”
อย่างไรก็ดี นักพัฒนาก็ยอมรับว่าวิธีการของพวกเขานั้นไม่ได้สมบูรณ์ หากแต่พวกเขาก็เชื่อว่าวิธีการนี้จะสามารถแก้ไขงานที่มีความซับซ้อนมากขึ้นได้ในอนาคต “พวกเราสามารถไปได้ไกลกว่าสิ่งที่แขนหุ่นยนต์สามารถทำได้ในปัจจุบัน” คุณ Alex Ray วิศวกรการเรียนรู้ของเครื่องที่ OpenAI กล่าว
Source : https://news.developer.nvidia.com/ai-helps-improve-the-dexterity-of-robots/
