loading...

azaval

بازدید : 556
سه شنبه 13 خرداد 1399 زمان : 9:42

محققان انستیتوی علوم و فناوری اوکیناوا اخیراً یک روش عصبی و عصبی را ارائه داده اند که می تواند به پیشرفت روبات هایی با قابلیت های پیشرفته ارتباطی کمک کند. رویکرد آنها ، در مقاله ای که از قبل در ArXiv منتشر شده است ، بر اساس دو ویژگی اصلی بنا شده است: دینامیک عصبی تصادفی و به حداقل رساندن خطای پیش بینی (PEM).


یونگسیک هوانگ ، یکی از محققانی که این تحقیق را انجام داده است ، گفت: تحقیقات ما به طور گسترده بر ساخت روبات ها بر اساس اصول اصلی مغز متمرکز است. وی گفت: "در این مطالعه ما به اصل به حداقل رساندن خطای پیش بینی (PEM) توجه داشتیم . ایده اصلی این است که مغز یک دستگاه پیش بینی است ، وقتی پیش بینی ها با مشاهدات متفاوت است ، پیش بینی ها را به طور مداوم انجام می دهد و خطای پیش بینی را به حداقل می رساند. بسیاری از جنبه های رفتارهای شناختی را توضیح دهید. در این مطالعه سعی کردیم بررسی کنیم که آیا این اصل برای یک وضعیت اجتماعی قابل استفاده است یا خیر.

در سال های اخیر ، محققان مطالعات متعددی را با هدف تکرار مصنوعی توانایی های ارتباطی ذاتی بسیاری از حیوانات از جمله انسان انجام داده اند. در حالی که بسیاری از این مطالعات به نتایج امیدوارکننده ای دست یافته اند ، اکثر راه حل های موجود به دقت قابل مقایسه با انسان دست پیدا نمی کنند.

هوانگ توضیح داد: "یكی از كارهای چالش برانگیز برای یك روبات با قابلیت های ارتباطی ، تشخیص قصد دیگری در مورد رفتارهای مشاهده شده است." "یک رویکرد مشترک برای حل این مشکل در نظر گرفتن آن به عنوان یک کار طبقه بندی است. هدف از این طریق بدست آوردن برچسب صحیح (قصد کاربر) با مشاهده معین (رفتار کاربر) با استفاده از طبقه بندی می شود. این روزها انتخاب محبوب برای چنین طبقه بندیگرها است. مدل های شبکه اعصاب عمیق مانند شبکه های عصبی کانونشنال (CNNs) و حافظه کوتاه مدت بلند مدت (LSTM) هستند. "

اعتبار: هوانگ ، ویركوتیس و تانی.
در مطالعه خود ، هوانگ و همکارانش رویکرد دیگری را برای حل این مشکل بر اساس پویایی عصبی تصادفی و PEM پیشنهاد کردند. محققان رویکرد خود را بر روی دو ربات کوچک انسان نما به نام ROBOTIS OP2 به کار بردند و آن را در موقعیت های مختلفی که شامل تعامل انسان-روبات و روبات-روبات است ، آزمایش کردند.

هوان گفت: "با استفاده از روش ما ، روبات به طور مداوم پیش بینی هایی راجع به رفتار عاملی که با آن تعامل دارد انجام می دهد." "وقتی یک پیش بینی با مشاهده آنها متفاوت باشد ، روبات اعتقاد خود را به روز می کند تا بتوان پیش بینی صحیح را انجام داد (یعنی به حداقل رساندن خطای پیش بینی). بنابراین ، در این روش تشخیص قصد یک کار طبقه بندی نیست ، بلکه یک فرآیند فعال است که شامل بروزرسانی است. "اعتقادات" برای درک آنچه در گذشته اخیر اتفاق افتاده است. از نظر یادگیری ماشینی ، این می تواند نوعی یادگیری آنلاین محسوب شود. "

بیشتر بخوانید: انواع پمپ های وکیوم خلاء حلقه مایع

محققان در ارزیابی های اولیه با استفاده از روبات های انسان دوستانه دریافتند که قادر به پیش بینی رفتار دیگران و به حداقل رساندن خطای پیش بینی ، نقش اساسی در موقعیت های اجتماعی دارند. با استفاده از روش آنها ، روبات ها قادر به تقلید از اقدامات مأمورانی بودند که با آنها تعامل داشتند. یک کاربر انسانی در تنظیمات HRI ( تعامل انسان و ربات ) و یک ربات دیگر در تنظیمات RRI (تعامل ربات-ربات). از طرف دیگر ، وقتی رویکرد آنها برای روبات ها اعمال نشده بود ، از طرف دیگر تعامل روبات ها با دیگر عوامل توسط الگوهای دنیوی و رفتارهای تکراری مشخص می شد.

اعتبار: هوانگ ، ویركوتیس و تانی.
هوان توضیح داد: با استفاده از مکانیسم PEM ، این روبات نه تنها می تواند به سرعت با یک محیط در حال تغییر سازگار شود بلکه پیش بینی می کند که در آینده چه اتفاقی خواهد افتاد. "این روش می تواند در مورد سایر سرویس های اطلاعاتی محیطی مورد استفاده قرار گیرد که در آن هوش مصنوعی به طور مداوم پیش بینی هایی در مورد کاربران می کند و با آنها سازگار می شود ، یا حتی پیشنهادات مبتنی بر مشاهدات گذشته ارائه می دهد."

در آینده ، رویکرد توسعه یافته توسط هوانگ و همکارانش می تواند از پیشرفت روبات هایی با قابلیت های ارتباطی بهتر آگاه شود. جالب اینجاست که محققان همچنین مشاهده کردند که وقتی دو روبات با استفاده از رویکرد خود با یکدیگر در تعامل بوده اند ، برخی از الگوهای ارتباطی جدید و غیرمعمول ظهور پیدا کرده اند و این نشان می دهد که رویکرد آنها نوع پیشرفته ای از ارتباطات را امکان پذیر می کند.

هوان گفت: "هنوز هم بسیاری از جهات تحقیقاتی جالب وجود دارد که می توان در این زمینه کاوش کرد." "به عنوان مثال ، من علاقه مندم که یک تست تورینگ حرکتی داشته باشم که در آن کاربر با روباتی که می تواند توسط شخص دیگری در پشت دیوار یا AI کنترل شود ، در تعامل باشد. هوش برای تعامل با مردم؟ چه نوع از اصول مغز برای نشان دادن تشبیه انسان در چنین شرایط اجتماعی ضروری است؟ اینها سؤالاتی هستند که می خواهم در آینده بررسی کنم. "

محققان انستیتوی علوم و فناوری اوکیناوا اخیراً یک روش عصبی و عصبی را ارائه داده اند که می تواند به پیشرفت روبات هایی با قابلیت های پیشرفته ارتباطی کمک کند. رویکرد آنها ، در مقاله ای که از قبل در ArXiv منتشر شده است ، بر اساس دو ویژگی اصلی بنا شده است: دینامیک عصبی تصادفی و به حداقل رساندن خطای پیش بینی (PEM).


یونگسیک هوانگ ، یکی از محققانی که این تحقیق را انجام داده است ، گفت: تحقیقات ما به طور گسترده بر ساخت روبات ها بر اساس اصول اصلی مغز متمرکز است. وی گفت: "در این مطالعه ما به اصل به حداقل رساندن خطای پیش بینی (PEM) توجه داشتیم . ایده اصلی این است که مغز یک دستگاه پیش بینی است ، وقتی پیش بینی ها با مشاهدات متفاوت است ، پیش بینی ها را به طور مداوم انجام می دهد و خطای پیش بینی را به حداقل می رساند. بسیاری از جنبه های رفتارهای شناختی را توضیح دهید. در این مطالعه سعی کردیم بررسی کنیم که آیا این اصل برای یک وضعیت اجتماعی قابل استفاده است یا خیر.

در سال های اخیر ، محققان مطالعات متعددی را با هدف تکرار مصنوعی توانایی های ارتباطی ذاتی بسیاری از حیوانات از جمله انسان انجام داده اند. در حالی که بسیاری از این مطالعات به نتایج امیدوارکننده ای دست یافته اند ، اکثر راه حل های موجود به دقت قابل مقایسه با انسان دست پیدا نمی کنند.

هوانگ توضیح داد: "یكی از كارهای چالش برانگیز برای یك روبات با قابلیت های ارتباطی ، تشخیص قصد دیگری در مورد رفتارهای مشاهده شده است." "یک رویکرد مشترک برای حل این مشکل در نظر گرفتن آن به عنوان یک کار طبقه بندی است. هدف از این طریق بدست آوردن برچسب صحیح (قصد کاربر) با مشاهده معین (رفتار کاربر) با استفاده از طبقه بندی می شود. این روزها انتخاب محبوب برای چنین طبقه بندیگرها است. مدل های شبکه اعصاب عمیق مانند شبکه های عصبی کانونشنال (CNNs) و حافظه کوتاه مدت بلند مدت (LSTM) هستند. "

اعتبار: هوانگ ، ویركوتیس و تانی.
در مطالعه خود ، هوانگ و همکارانش رویکرد دیگری را برای حل این مشکل بر اساس پویایی عصبی تصادفی و PEM پیشنهاد کردند. محققان رویکرد خود را بر روی دو ربات کوچک انسان نما به نام ROBOTIS OP2 به کار بردند و آن را در موقعیت های مختلفی که شامل تعامل انسان-روبات و روبات-روبات است ، آزمایش کردند.

هوان گفت: "با استفاده از روش ما ، روبات به طور مداوم پیش بینی هایی راجع به رفتار عاملی که با آن تعامل دارد انجام می دهد." "وقتی یک پیش بینی با مشاهده آنها متفاوت باشد ، روبات اعتقاد خود را به روز می کند تا بتوان پیش بینی صحیح را انجام داد (یعنی به حداقل رساندن خطای پیش بینی). بنابراین ، در این روش تشخیص قصد یک کار طبقه بندی نیست ، بلکه یک فرآیند فعال است که شامل بروزرسانی است. "اعتقادات" برای درک آنچه در گذشته اخیر اتفاق افتاده است. از نظر یادگیری ماشینی ، این می تواند نوعی یادگیری آنلاین محسوب شود. "

بیشتر بخوانید: انواع پمپ های وکیوم خلاء حلقه مایع

محققان در ارزیابی های اولیه با استفاده از روبات های انسان دوستانه دریافتند که قادر به پیش بینی رفتار دیگران و به حداقل رساندن خطای پیش بینی ، نقش اساسی در موقعیت های اجتماعی دارند. با استفاده از روش آنها ، روبات ها قادر به تقلید از اقدامات مأمورانی بودند که با آنها تعامل داشتند. یک کاربر انسانی در تنظیمات HRI ( تعامل انسان و ربات ) و یک ربات دیگر در تنظیمات RRI (تعامل ربات-ربات). از طرف دیگر ، وقتی رویکرد آنها برای روبات ها اعمال نشده بود ، از طرف دیگر تعامل روبات ها با دیگر عوامل توسط الگوهای دنیوی و رفتارهای تکراری مشخص می شد.

اعتبار: هوانگ ، ویركوتیس و تانی.
هوان توضیح داد: با استفاده از مکانیسم PEM ، این روبات نه تنها می تواند به سرعت با یک محیط در حال تغییر سازگار شود بلکه پیش بینی می کند که در آینده چه اتفاقی خواهد افتاد. "این روش می تواند در مورد سایر سرویس های اطلاعاتی محیطی مورد استفاده قرار گیرد که در آن هوش مصنوعی به طور مداوم پیش بینی هایی در مورد کاربران می کند و با آنها سازگار می شود ، یا حتی پیشنهادات مبتنی بر مشاهدات گذشته ارائه می دهد."

در آینده ، رویکرد توسعه یافته توسط هوانگ و همکارانش می تواند از پیشرفت روبات هایی با قابلیت های ارتباطی بهتر آگاه شود. جالب اینجاست که محققان همچنین مشاهده کردند که وقتی دو روبات با استفاده از رویکرد خود با یکدیگر در تعامل بوده اند ، برخی از الگوهای ارتباطی جدید و غیرمعمول ظهور پیدا کرده اند و این نشان می دهد که رویکرد آنها نوع پیشرفته ای از ارتباطات را امکان پذیر می کند.

هوان گفت: "هنوز هم بسیاری از جهات تحقیقاتی جالب وجود دارد که می توان در این زمینه کاوش کرد." "به عنوان مثال ، من علاقه مندم که یک تست تورینگ حرکتی داشته باشم که در آن کاربر با روباتی که می تواند توسط شخص دیگری در پشت دیوار یا AI کنترل شود ، در تعامل باشد. هوش برای تعامل با مردم؟ چه نوع از اصول مغز برای نشان دادن تشبیه انسان در چنین شرایط اجتماعی ضروری است؟ اینها سؤالاتی هستند که می خواهم در آینده بررسی کنم. "

نظرات این مطلب

تعداد صفحات : -1

درباره ما
موضوعات
لینک دوستان
آمار سایت
  • کل مطالب : 43
  • کل نظرات : 0
  • افراد آنلاین : 1
  • تعداد اعضا : 0
  • بازدید امروز : 7
  • بازدید کننده امروز : 1
  • باردید دیروز : 0
  • بازدید کننده دیروز : 0
  • گوگل امروز : 0
  • گوگل دیروز : 0
  • بازدید هفته : 8
  • بازدید ماه : 12
  • بازدید سال : 21
  • بازدید کلی : 15753
  • <
    پیوندهای روزانه
    آرشیو
    اطلاعات کاربری
    نام کاربری :
    رمز عبور :
  • فراموشی رمز عبور؟
  • خبر نامه


    معرفی وبلاگ به یک دوست


    ایمیل شما :

    ایمیل دوست شما :



    کدهای اختصاصی