培訓機器人學習及即時做出決策
簡介
美國伊利諾伊大學雅邁納-香檳分校的航空航天工程和電腦科學系的研究人員開發了一種新的基於學習的方法，使得外星球上的機器人能夠自主地決定在哪裡以及如何採集地形樣本。這種方法允許機器人透過少量的嘗試學習如何採集新材料，並在遇到地形變化時適應性地做出調整。這項研究對於探索太陽系中的冰衛星有重要的應用價值，例如土星和木星的衛星。背景
去火星的探測器有一支地球上的專家團隊給予其行動指令。但是到土星或木星的衛星上的登陸器是無法及時接收到地球上的指令的。伊利諾伊大學的研究人員開發了一種學習方法，使得外星球上的機器人可以自主地決定在哪裡以及如何採集地形樣本。這項研究透過控制被採集的資料間隔來訓練深層高斯過程模型，這個模型反覆切割訓練集，並學習減小距離模型的殘差的核引數。在實際應用中，決策者使用訓練好的模型，並根據獲取的線上資料對其進行調整。研究方法
研究人員在模擬環境中使用一個類似登陸器手臂的機器人，這個機器人具備收集各種材料的採集資料的感測器，從 1 毫米的沙粒到 8 釐米的巖石以及不同體積的材料，如碎紙板和包裝填充物。研究人員透過這些材料和地形組成的資料庫，建立了包含每個 67 個不同地形的 100 個知識點，共 6700 個點。這個模型將在美國國家航空航天局噴氣推進實驗室的海洋世界陸地器自主測試平臺上部署。應用價值
此方法對於土星和木星的衛星等冰衛星的探索具有重要的應用價值。相對於以前對月球和火星的探索，我們對這些衛星的地形和組成知識還很有限。此外由於電池供電的探測器壽命只有幾天，因此機器人需要在有限的時間內學習和做出決策。研究人員表示該方法的價值在於將地球上的知識或方法適應和轉化到外星球上，因為在登陸器到達之前我們將無法獲得太多的訊息。此外由於電池供電的壽命有限，對於機器人能夠自主學習和做出決策具有極大的益處。專家評論
這項研究的價值在於其創新性和實用性。該方法允許機器人以自主的方式學習採集不同材料的技能，並適應未知的地形變化。對於未來的外星球探測任務，這樣的能力是至關重要的。然而研究人員也提到了一些挑戰，例如我們對外星球表面的理解有限，只有少量粗糙的影象資料可用；另外由於電池供電的約束，學習和做出決策的時間將非常有限。這些挑戰需要在未來的研究中得到克服。結論
伊利諾伊大學雅邁納-香檳分校的研究人員開發了一種學習方法，使外星球上的機器人能夠自主地決定在哪裡以及如何採集樣本。該方法透過訓練深層高斯過程模型，使機器人能夠在遇到新材料時快速學習採集的方法，並根據地形變化進行適應性調整。這項研究對於未來的探索和探測任務具有重要的應用價值，特別是在冰衛星的探索方面。然而該研究也面臨著技術和知識的挑戰，需要更多的研究來克服這些挑戰。ArtificialIntelligence-機器學習,人工智慧,決策,即時
延伸閱讀
- OpenAI 揭開 AI 祕密指令的面紗
- AI 助您創辦者更快、更輕鬆地籌集資金嗎？
- 盧西德機器人獲得 900 萬美元用於無人機清潔任何地方
- 以色列新創公司 Panax 籌集了 1,000 萬美元 A 輪融資，用於其基於人工智慧的現金流管理平臺
- Reddit 測試使用基於 LLM 的人工智慧進行自動整站法語翻譯
- 三星醫聲將以 9270 萬美元收購法國人工智慧超聲波新創公司 Sonio
- 網際網路共同創始人 Robert Kahn 早在幾十年前就已經做到了加密、人工智慧和網際網路嗎？
- 人聲 vs AI：Audible 推出 AI 旁白有機會取代人類旁白嗎？
- 深潛至海底者：機器學習揭開抹香鯨的「字母表」
- 突破獨家訪談：Wayve 共同創辦人 Alex Kendall 談自動駕駛汽車和機器人的未來
