סונדה רובוטיקס 08: מניפולציה מיומנת, סימולציה והרכבה מדויקת

🤖🍨 תפסו כוס גלידה והצטרפו לסונדה רובוטיקס, סדרת ימי ראשון פרטית, נגישה רק בהזמנה, שמביאה יחד חוקרי רובוטיקה, מייסדים ומפתחים העובדים בחזית האינטליגנציה הפיזית. סונדה רובוטיקס 07 מניפולציה מיומנת, סימולציה ולמידת סימולציה-למציאות שיחה מרכזית: סקאלת מניפולציה מיומנת עם סימולציה — מהשימוש הכללי בכלים להרכבה מדויקת. סקאלת מניפולציה מיומנת עם סימולציה: מהשימוש הכללי בכלים להרכבה מדויקת. נאום פתח: טיילר לאום, דוקטורנט שנה 5 במדעי המחשב באוניברסיטת סטנפורד · מעבדת התנועה · מעבדת תפיסה אינטראקטיבית ולמידת רובוטים. ידיים רובוטיות מיומנות יש את הפוטנציאל לבצע מגוון רחב של משימות מניפולציה, אך למידת מדיניות שהיא גם כללית וגם מדויקת נשארת אתגר. בהרצאה זו טיילר יציג שני פרויקטים שחוקרים כיצד למידת חיזוק בקנה מידה גדול בסימולציות יכולה לעזור לסגור את הפער הזה. ראשית, טיילר ידון ב-SimToolReal, הלומד מדיניות שימוש בכלים מיומנים בסימולציות המכללות על כלים ומשימות לא ידועים ומעביר אותם לעולם האמיתי ללא יריית פתיחה. לאחר מכן, הוא יציג את Play2Perfect, הבודק כיצד משחקי הכשרה כלליים יכולים לספק יכולות מניפולציה שניתן להשתמש בהן ביעילות לכיוונון מדויק, רב-מגע להרכבה. בעזרת זה, פרויקטים אלה חוקרים כיצד ניתן להשתמש בסימולציה כדי ללמוד התנהגויות מיומנות רחבות תוך מתן הה precision וההתמחות הנדרשת למשימות מאתגרות בעולם האמיתי. טיילר לאום הוא דוקטורנט שנה 5 במדעי המחשב באוניברסיטת סטנפורד ועוסק באינטליגנציה מלאכותית ורובוטיקה. הוא מתודרך על ידי פרופ' סי. קארן ליו במעבדת התנועה (TML) ופרופ' ג'יאננט בוהג במעבדת תפיסה אינטראקטיבית ולמידת רובוטים (IPRL) ומקבל תמיכה באמצעות מלגת פוסט-תואר NSERC (PGS-D). המחקר של טיילר מתמקד בבניית רובוטים שיכולים לנוע לפעול בסביבות דינמיות בצורה אלגנטית ויעילה. הוא מפתח שיטות לשילוב תפיסה ולמידה מבוססת בקרה ובודק את הסטיות האינדוקטיביות שיכולות לשפר את היעילות והאמינות של מערכות אלה. העבודות האחרונות שלו מתמקדות מאוד במניפולציה מיומנת ולמידת רובוטים סימולציה-למציאות. בין הפרויקטים שלו נמצאים Play2Perfect, הבודק הכשרת משחקים מיומנת להרכבה מדויקת; SimToolReal, המפתח מדיניות ממוקדת אובייקטים למניפולציה מיומנת ללא יריית פתיחה; ו-Human2Sim2Robot, החוקרת למידת חיזוק סימולציה-למציאות מתוך דמונסטרציה אנושית אחת. לפני לימודיו לדוקטורט, טיילר למד פיזיקה הנדסית באוניברסיטת קולומביה הבריטית (UBC), שם סיים כ- Wesbrook Scholar. הוא עבד עם פרופ' מיכיאל ואן לה פאן על למידה מחוזקת ותכנון תנועה לרובוטים רב-רגליים ועבד עם פרופ' פראנג אבולמייסומי על למידה עמוקה לניתוח דימות רפואי. טיילר גם עבד כמתמחה מחקרי רובוטיקה ב-RAI וכמתמחה במחקר ופיתוח רובוטיקה ב-NVIDIA, שם עבד על למידת חיזוק להנעת אדם ועל בקרת רובוטים מיומנים. תחומי המחקר הרחבים שלו כוללים רובוטים אינטליגנטיים, תנועה אלגנטית, תפיסה אינטראקטיבית, מניפולציה דו-ידית מיומנת, התמודדות עם אי-וודאויות, תכנון לטווח ארוך, פתרון בעיות יצירתי, חשיבה בריאה ואסטרטגיות חקירה. המטרה ארוכת הטווח של טיילר היא ליצור רובוטים שחושבים על אי-וודאויות, לומדים continuamente מהסביבה שלהם, מתאימים את עצמם לאתגרים חדשים ומכאן הופכים להיות אמינים מספיק כדי להעניק לאנשים ערך רב בחיי היומיום. נושאים • סקאלת מניפולציה מיומנת עם למידת חיזוק בקנה מידה גדול בסימולציה. • למידת מדיניות שמשלבת בין הכללת יתר לשליטה מדויקת. • שימוש מיומן בכלים על פני כלים ומשימות בלתי ידועות. • SimToolReal והעברה ללא יריות של סימולציה לעולם האמיתי. • מדיניות ממוקדת אובייקטים עבור מניפולציה מיומנת. • למידת חיזוק סימולציה-למציאות עבור ידיים רובוטיות מרובות אצבעות. • הכשרה כללית משלושה משחקים. • למידת יכולות מניפולציה נעזרות באינטראקציה סימולטיבית. • Play2Perfect וכיוונון מדויק לאחר מכן. • הרכבה רובוטית מדויקת ורב-מגע. • גישור בין מניפולציה כללית לדייקנות מיוחדת. • תפיסה ולמידה מבוססות עבור סביבות אמיתיות דינמיות. • סטיות אינדוקטיביות ללמידת רובוטים יעילים ואמינים יותר. • סקאלת לימוד רובוטים על ידי חוויות סימולציה. • בניית מערכות מיומנות שהן גם כלליות וגם מדוייקות. דיון פתוח + שאלות & תשובות • כיצד ניתן לשמור על מדיניות מיומנת בכלליות על פני כלים ומשימות מבלי לפגוע במד Precision? • אילו היבטים של מניפולציה מיומנת הם הקשים ביותר להעתיק מהסימולציות לתוך העולם האמיתי? • כמה גיוון בסימולציה נדרש כדי להעביר באופן עמיד ללא יריות? • אילו תצוגות או סטיות אינדוקטיביות מסייעות בהכללה על פני כלים בלתי ידועים? • האם מדיניות אחת יכולה ללמוד מחדש דפוסים של איסוף, שימוש בכלים ואינטראקציה רב-מגעית? • מה מלמד משחק כללי לרובוט שנדרשה לא להלמיד ממדפוסים ספציפיים? • כיצד כדאי לכוון יכולות מניפולציה כלליות למשימות הנדרשות לשליטה מדויקת מאוד? • מה מבדל הרכבה רב-מגעית מאחרת עם מניפולציה אובייקטים כללית? • כמה נתונים אמיתיים משימוש במציאות נדרשים לאחר הכשרת סימולציה רחבה? • האם הכשרת משחקים יכולה להיות הבסיס למניפולציה מיומנת? • מתי למידת חיזוק בסימולציה יודעת להשיג הצלחה על פני למידת חיקוי מדמonstrations האמיתיות? • כיצד יש לעצב סביבות סימולציה כדי לקדם התנהגויות העשויות שלא להיות ספציפיות לסימולציות? • האם מדיניות שהוכשרה מראש יכולה לתמוך גם בשימוש פתוח בכלים וגם בהרכבה שיש לה הגבלות קפדניות? • כיצד יש לשלב תפיסה ולמידה מבוססת שלחקר כדי להשיג מניפולציה מיומנת אמינה? • מה יהיה נדרש כדי לסקאל את הלמידה המיומנת המדומה להשגת ידיים רובוטיות כלליות באמת?