Зображення Роміни Мір та Анастасія Козлова за допомогою Midjourney, Photoshop та Figma
Як робототехнічна рука чи протезна рука вивчають складне завдання, як хапання та обертання кулі? Завдання для людської, протезної чи робототехнічної руки завжди полягала в тому, щоб правильно навчитися контролювати пальці Докласти сили на об'єкт. Чутливі шкірні та нервові закінчення, які покривають наші руки, були віднесені до того, щоб допомогти нам вчитися та адаптувати наші маніпуляції, тому робототехніки наполягали на включенні Датчики на робототехнічних руках. Але враховуючи, що ви все одно можете навчитися обробляти предмети з рукавичками – має бути щось інше.
Ця таємниця – це те, що надихнули дослідників у Валеролабі в інженерній школі Вітербі, щоб вивчити, чи тактильне відчуття насправді завжди необхідне для навчання контролю пальців. Дослідники Роміна Мір, Алі Марджанінежад, Ендрю Ервін та професор Франциско Валеро-Куевас у відділі біомедичної інженерії Альфреда Манна запитали: Як датчики, які є частиною руки (її природи), взаємодіючи з рукою (виховуються), щоб вивчити складні завдання?
У статті в журналі Наука прогресує, Команда вирішує класичне питання “природа проти виховання” за допомогою обчислювального моделювання та машинного навчання. Папір «Навчальна програма є більш впливовою, ніж гаптична інформація під час підкріплення вивчення маніпулювання об'єктами проти сили тяжіння» ґрунтується на попередній роботі лабораторії, пов’язаної з еволюцією рук та штучним інтелектом. Він демонструє, що послідовність навчання, також відома як “навчальна програма”, є критичною для навчання. Насправді дослідники зазначають, що якщо навчальна програма проходить у певній послідовності, імітована робототехнічна рука може навчитися маніпулювати з неповним або навіть відсутнім тактильним відчуттям.
Для цього дослідження команда використовувала програмне забезпечення для імітації робототехнічної руки з трьома пальцями, щоб “надати контр-приклад до давнього уявлення про те, що тактильне відчуття завжди необхідне”,-каже Валеро-Куевас, а також “наголошує на важливості послідовності нагород для навчання”, прокоментувала Роміна Мір, яка є одним із двох перших авторів та ф.д.
“Посібник з винагороди розвитку системи”,-сказав автор-кореспондент Франциско Валеро-Куевас, який також є професором у відділі біокінезіології та фізичної терапії в USC.
Він додав: “… так само, як біологічні системи є продуктом їхнього досвіду. Цей зв’язок між машинним навчанням та біологією є потужним зв’язком, який може забезпечити прогрес систем штучного інтелекту, які можуть навчитися та адаптуватися у фізичному світі”.
У цій співпраці між інженерною школою Вітербі та Каліфорнійським університетом у Санта-Крус (UCSC), докторантам Парміта Оджагі (UCSC) та Romina Mir (USC) проводив цю роботу у співпраці з професором Майклом Вейнером (UCSC). Алі Марджанінежад та Ендрю Ервін (USC) також сприяли цій роботі.
Опубліковано 6 квітня 2025 року
Останнє оновлення 6 квітня 2025 року