Les méthodes de dressage de chiens apprennent aux robots à apprendre de nouveaux tours

Avec une technique d'entraînement couramment utilisée pour apprendre aux chiens à s'asseoir et à rester, des informaticiens ont montré à un robot comment s'apprendre plusieurs nouvelles astuces, notamment empiler des blocs. Avec la méthode, le robot (nommé Spot) a pu apprendre en quelques jours ce qui prend généralement un mois. En utilisant le renforcement positif - une approche familière à tous ceux qui utilisent des friandises pour modifier le comportement d'un chien - l'équipe a considérablement amélioré les compétences du robot et l'a fait assez rapidement pour faire de la formation de robots pour le travail dans le monde réel une entreprise plus réalisable.

Contrairement aux humains et aux animaux qui naissent avec un cerveau très intuitif, les ordinateurs sont des ardoises vierges et doivent tout apprendre à partir de zéro. Mais le véritable apprentissage est souvent accompli par essais et erreurs et les roboticiens sont encore en train de comprendre comment les robots peuvent apprendre efficacement de leurs erreurs. L'équipe y est parvenue en concevant un système de récompense qui fonctionne pour un robot de la même manière que les friandises fonctionnent pour un chien. Là où un chien pouvait recevoir un cookie pour un travail bien fait, le robot gagnait des points numériques.

Pour empiler des blocs, Spot le robot avait besoin d'apprendre à se concentrer sur des actions constructives. Au fur et à mesure que le robot explorait les blocs, il a rapidement appris que les comportements corrects pour l'empilement rapportaient des points élevés, mais que les comportements incorrects ne rapportaient rien. Spot gagnait le plus en plaçant le dernier bloc au-dessus d'une pile de quatre blocs.

La tactique d'entraînement a non seulement fonctionné, mais il n'a fallu que quelques jours pour apprendre au robot ce qui prenait des semaines. L'équipe a pu réduire le temps d'entraînement en formant d'abord un robot simulé, qui ressemble beaucoup à un jeu vidéo, puis en exécutant des tests avec Spot. Le robot apprend rapidement le bon comportement pour obtenir la meilleure récompense. En fait, ce qui nécessitait auparavant un mois d'entraînement pour que le robot atteigne 100 % de précision s'est fait en deux jours.

Le renforcement positif a non seulement aidé le robot à apprendre à empiler des blocs, mais aussi avec le système de points, le robot a rapidement appris plusieurs autres tâches, même comment jouer à un jeu de navigation simulé. La capacité d'apprendre de ses erreurs dans tous les types de situations est essentielle pour concevoir un robot capable de s'adapter à de nouveaux environnements.

L'équipe imagine que ces découvertes pourraient aider à former des robots ménagers à faire la lessive et à laver la vaisselle - des tâches qui pourraient aider les personnes âgées à vivre de manière autonome. Cela pourrait également aider à concevoir des voitures autonomes améliorées ou à effectuer l'assemblage de produits.

Pour plus d'informations, contactez Jill Rosen à Cette adresse e-mail est protégée contre les robots spammeurs. Vous devez activer Javascript pour le voir.; 443-547-8805.