सोनी एससीएल - खेल का मैदान प्रयोग

सबसे अधीर के लिए: वैज्ञानिकों ने कुत्ते Aibo को प्रोग्राम किया है ताकि वह अपने दम पर दुनिया का पता लगा सके, अर्थात। दिए गए कार्यों के अनुक्रम के बिना।

यहां कुछ वीडियो हैं जहां रोबोट कुत्ता, एक बच्चे के रूप में, उसके चारों ओर की दुनिया की खोज करता है, लिंक ।

जिन लोगों के लिए यह पर्याप्त नहीं है, उनके लिए हैब्रैट के तहत स्वागत है।

इसलिए, अंतिम विषय में, किसी के पास अभ्यास की कमी थी, इसलिए यहां यह अभ्यास है:

रोबोट संरचना

निर्देशों को देखते हुए,

रोबोट में 20 डिग्री की स्वतंत्रता है,

1.5 घंटे काम करते हैं

9 वाट का उपभोग करता है,

तापमान, आईआर, दूरी, त्वरण, दबाव, कंपन के सेंसर हैं,

32 मेगाबाइट मुख्य मेमोरी

और इसमें 64-बिट RISC प्रोसेसर है।

प्रयोग सेटअप

जैसा कि इस ग्राफ से देखा जा सकता है:

(जिस पर, डेवलपर्स के अनुसार, रोबोट ने लगभग 15,000 क्रियाएं कीं)

रोबोट के पास केवल कुछ विकल्प हैं (काटो, मारो, चारों ओर देखो),

सेंसर से कई स्थितियां (मुझे कुछ नहीं दिखता, मुझे ऑब्जेक्ट 1 \ 2, सफल काटने \ _ दिखाई देता है)



चरण P1-P5 के रूप में दर्शाए गए हैं:

P1 - रोबोट कुछ वस्तुओं पर ध्यान केंद्रित करना और उनका पता लगाना सीखता है

P2 - कुछ विशिष्ट वस्तुओं पर लागू किए बिना कुछ क्रियाओं को करने का प्रयास

पी 3 - उसके शरीर के कुछ हिस्सों को स्थानांतरित करने का प्रयास, लेकिन एक विशिष्ट लक्ष्य के बिना

पी 4 और पी 5 अधिक जटिल क्रियाएं हैं, एक काटें या एक किक को काटें।



सबसे चौकस कुत्ते के सामने, फर्श पर हाथी के कान के पीछे और हाथी के कान के पीछे "मार्कर" के साथ सफेद चादरें देखी जानी चाहिए। मुझे प्रयोग के बयान में इसका उल्लेख नहीं मिला, लेकिन मैं यह मान सकता हूं कि इसका उपयोग पर्यावरणीय वस्तुओं की पहचान को सरल बनाने के लिए किया गया था। यानी कुत्ते ने अपने दम पर वस्तुओं का निर्धारण नहीं किया, इसके लिए एक निश्चित एल्गोरिदम ने इसे किया। ओह ठीक है।

अंदर का नजारा

रोबोट प्रोग्राम में कई मॉड्यूल होते हैं।

* जिनमें से पहला एक पूर्वानुमान मॉड्यूल है, जिसका प्रत्येक भाग संवेदी-मोटर अंतरिक्ष के कुछ क्षेत्रों में विशिष्ट है।

* दूसरा मॉड्यूल एक मेटा-पूर्वानुमान प्रणाली है, जिसका उद्देश्य इसके आगे के विकास और पहले मॉड्यूल की त्रुटियों की भविष्यवाणी करना है। यह अतीत और वर्तमान में त्रुटि दर की तुलना करने पर आधारित है।

* तीसरा मॉड्यूल - जो दूसरे मॉड्यूल द्वारा जारी किए गए परिणामों के आधार पर एक कार्रवाई का चयन करता है।



यह माना जाता है कि एल्गोरिथ्म आपको ऐसे कार्यों का चयन करने की अनुमति देगा जो बहुत अनुमानित नहीं हैं, लेकिन भविष्यवाणी करना बहुत मुश्किल नहीं है।

प्रयोग लक्ष्य

"इसका उद्देश्य" जिज्ञासा "के रूप में ऐसी सामान्य क्षमताओं को लागू करने वाले इंजनों का निर्माण करना है, इस प्रकार न्यूनतम प्रीप्रोग्राम्ड पूर्वाग्रहों के साथ सामान्य ध्यान तंत्र का उत्पादन करना।"

लक्ष्य "जिज्ञासा" जैसी घटनाओं को लागू करके तंत्र का निर्माण करना है, जो कि पूर्व-प्रोग्राम किए गए कार्यों की न्यूनतम मात्रा के साथ सार्वभौमिक तंत्र के निर्माण की अनुमति देगा।



यानी डेवलपर्स यह सीखने का प्रयास करते हैं कि स्व-शिक्षण मशीन कैसे बनाई जाए, जिसे लगभग मानव प्रोग्रामिंग की आवश्यकता नहीं है, जिसे स्वतंत्र रूप से प्रशिक्षित किया जा सकता है। डेवलपर्स यह भी कहते हैं कि वे छोटे बच्चों के व्यवहार की नकल करना चाहते हैं, क्योंकि वे अपने आस-पास की दुनिया का अध्ययन करते हैं, "दांत द्वारा" सब कुछ आजमा रहे हैं।

विषयगत रूप

मेरी राय में, यह विधि (स्व-अध्ययन) विशिष्ट कार्यों के लिए या अलग-अलग दृष्टिकोणों के साथ अधिक व्यक्तिगत एल्गोरिदम प्राप्त करने का एक अधिक आशाजनक तरीका है। हालांकि, वीडियो को देखते हुए, डेवलपर्स ने कुत्ते को विशेष रूप से संभावनाओं की एक बहुत ही संकीर्ण सीमा दी: विशेष रूप से कुत्ता एक निश्चित स्थान पर और एक निश्चित कोण / ऊंचाई पर, अर्थात। शरीर का पूर्ण नियंत्रण नहीं है। स्वतंत्र रूप से बनाई गई क्रियाएं भी नहीं हैं, आप केवल गति मापदंडों (प्रभाव के बिंदु) को बदल सकते हैं, और उन्हें अनुक्रम में रचना कर सकते हैं। वस्तुओं की कोई परिभाषा नहीं है, और भी बहुत कुछ है, लेकिन यहां तक ​​कि इस तरह का एक परिणाम निश्चित रूप से दिलचस्प है, क्योंकि यह केवल शुरुआत है।

तस्वीरें और सामग्री

भाग्यशाली काटने



राउंड हाउस किक



उन लोगों के लिए जो अभी भी पर्याप्त नहीं हैं, यहां (1.2 एमबीबी, पीडीएफ, अंग्रेजी) अध्ययन का विवरण है, जिसे वे "बुद्धिमान अनुकूली जिज्ञासा" कहते हैं। कोई स्रोत कोड नहीं हैं, लेकिन कार्यक्रम की गणना और विस्तृत विवरण के लिए कुछ सूत्र हैं।

चर्चा के लिए प्रश्न

1) क्या शुरू से ही बच्चों के रूप में रोबोट को प्रशिक्षित करने की कोई संभावना है?



2) क्या इस प्रयोग को सार्थक माना जा सकता है यदि रोबोट बहुत ही सीमित गति में होता है, और वस्तुओं का पता लगाने के लिए एक अलग एल्गोरिथ्म माना जाता है?



3) क्या इस प्रयोग को सफल माना जा सकता है, अर्थात क्या रोबोट ने वास्तव में कुछ नया सीखा जो शुरू में उसमें नहीं रखा गया था?