SemExp - навигационная система, которая дает роботам "здравый смысл"

Материал подготовил: Аркадий Софрыгин, основатель сайта Беспилот.
Присоединяйтесь к обсуждению темы в Facebook
Подписывайтесь на наш телеграм-канал

Робот, который перемещается из точки А в точку Б, более эффективен, если он понимает, что точка А - диван в гостиной, а точка Б - холодильник, даже если он находится в незнакомом месте. Эта идея лежит в основе семантической навигационной системы SemExp, разработанной Университетом Карнеги-Меллона и Facebook AI Research (FAIR). 

SemExp, или Goal-Oriented Semantic Exploration, использует машинное обучение, чтобы обучить робота распознавать предметы и понимать, в каком месте дома их можно найти. Например, если робот понимает разницу между кухонным столом и компьютерным столом в комнате, бот может быстее найти нужные предметы. 

Технология позволяет роботу принимать решения стратегически и тратить меньше времени на выполнение нужных задач. Например, если задача - принести банку колы, то бот не ищет эту банку по всей квартире, а сразу едет к холодильнику - ведь самая большая вероятность, что кола находится именно в холодильнике. 

Навигационная система SemExp в июне 2020 г. выиграла соревнование Habitat ObjectNav Challenge во время виртуальной конференции по компьютерному зрению и распознаванию образов, обогнав команду Samsung Research China. Это было второе подряд первое место для команды Университета Карнеги-Меллона (CMU) в этом ежегодном конкурсе. 

Предыдущие попытки использовать машинное обучение для создания семантических навигационных систем были затруднены, так как программы запоминают объекты и их местоположение только в конкретных условиях. Система часто испытывает трудности с обобщением того, чему она научилась в различных средах. В отличие например от ребенка, который, один раз поняв, что такое холодильник, будет понимать этот предмет и в других домах.  

Разработчики заявляют, что решили эту проблему, сделав SemExp модульной системой. По словам Шаплота, система использует свои "семантические понимания", чтобы определить лучшие места для поиска конкретного объекта. "Как только вы решите, куда идти, вы можете просто использовать классическое планирование, чтобы добраться в это место".

Процесс обучения системы основан на взаимоотношениях между объектами и планировкой комнаты (на кухне находятся определенные предметы, а в ванной и в гостиной другие), а не на изучении планирования маршрута. Семантическое мышление определяет наиболее эффективную стратегию поиска. Наконец, классическое навигационное планирование позволяет роботу как можно быстрее попасть в нужное место. 

Семантическая навигация облегчает взаимодействие с роботами, позволяя просто сказать боту, чтобы он забрал предмет в определенном месте (принеси расческу из ванной), или дать ему указания, например, "идти во вторую дверь слева".

"Здравый смысл говорит о том, что если вы ищете холодильник, то вам лучше идти на кухню", - рассказал Девендра С. Шаплот, аспирант кафедры машиностроения CMU. Классические роботизированные навигационные системы, напротив, исследуют пространство, строя карту, на которой изображены препятствия. В конце концов, робот добирается до места, которое ему нужно, но маршрут может быть круговым и занимает много времени. Эту проблему и решает наша навигационная система SemExp. 

Удачного вам дня и да пребудет с вами беспилот!

Материалы по теме:

Друзья, всё общение как всегда в моем фейсбуке: https://www.facebook.com/arksofrygin

Аркадий Софрыгин

основатель BesPilot.com

Добавляйтесь в Facebook

Этот адрес электронной почты защищён от спам-ботов. У вас должен быть включен JavaScript для просмотра. Этот адрес электронной почты защищён от спам-ботов. У вас должен быть включен JavaScript для просмотра.