Deze robotarm leerde 1000 taken in één dag en dat is bijzonder

Onderzoekers van Imperial College London hebben een robotarm getraind die in minder dan 24 uur maar liefst 1000 verschillende taken onder de knie kreeg. Dat is mogelijk door een nieuwe leermethode die veel efficiënter is dan de huidige methoden.

De meeste robots zijn nogal beperkt. Train ze om een kopje te pakken, en ze doen dat prima (doch aan de trage kant). Maar vraag ze vervolgens om een pen op te rapen, en ze staan met hun robotvingers in het haar. De onderzoekers bedachten een manier om dat probleem aan te pakken.

Hun methode heet MT3. In plaats van een robot eindeloos dezelfde beweging te laten oefenen, laat je één keer zien hoe een taak werkt. De robot onthoudt alles en kan de taak daarna zelf nadoen.

Taken opgesplitst

Elke handeling wordt opgesplitst in twee stappen: eerst manoeuvreren naar de juiste positie, dan de taak uitvoeren. Door taken op deze manier op te splitsen, leert de robot veel sneller. Bovendien slaat de robot alle demonstraties op in zijn geheugen. Krijgt hij een nieuwe opdracht? Dan zoekt hij in zijn geheugen naar iets vergelijkbaars en past die kennis toe.

De meeste AI-systemen hebben enorme hoeveelheden trainingsdata nodig. Deze aanpak bewijst dat het ook anders kan. De onderzoekers willen de methode nu verder verbeteren, zodat robots nog beter kunnen omgaan met situaties die ze nog nooit eerder hebben gezien. Het einddoel: robots die je niet dagenlang hoeft te trainen voordat ze iets nuttigs kunnen doen.

Lees meer over robots en mis niets met de Bright-app.