Filter by دسته‌ها
آموزش هوش مصنوعی و انواع آن
آموزش‌های پایه‌ای هوش مصنوعی
اصول هوش مصنوعی
پایتون و ابزارهای یادگیری عمیق
کتابخانه‌ های یادگیری عمیق
یادگیری با نظارت
یادگیری بدون نظارت
یادگیری تقویتی
یادگیری عمیق
یادگیری نیمه نظارتی
آموزش‌های پیشرفته هوش مصنوعی
بینایی ماشین
پردازش زبان طبیعی
پردازش گفتار
چالش‌های عملیاتی
داده کاوی و بیگ دیتا
رایانش ابری و HPC
سیستم‌‌های امبدد
علوم شناختی
دیتاست
اخبار
رسانه‌ها
آموزش پردازش زبان طبیعی
آموزش علوم داده
اینفوگرافیک
پادکست
ویدیو
رویدادها
کاربردهای هوش مصنوعی
کسب‌و‌کار
تحلیل بازارهای هوش مصنوعی
کارآفرینی
هوش مصنوعی در ایران
هوش مصنوعی در جهان
 موسسه تحقیقاتی تویوتا در حال توسعه روش جدیدی برای آموزش یک شبه ربات‌هاست

آموزش ربات ها

موسسه تحقیقاتی تویوتا در حال توسعه روش جدیدی برای آموزش یک شبه ربات‌هاست

موسسه تحقیقاتی تویوتا تلاش‎های خود را برای آموزش ربات‌ها با استفاده از مجموعه عظیمی از مدل‌های رفتاری به اشتراک می‌گذارد. آنها در تلاش هستند تا ربات‌ها را آموزش دهند تا از بسیاری از اعمال و رفتارهای مختلف درس بگیرند.

به گزارش هوشیو، یادگیری ممکن است هیجان‌انگیزترین مرز در کل رباتیک باشد. قدمت این رشته به چندین دهه قبل برمی‌گردد. به عنوان مثال، دهه 80 پیشرفت‌های هیجان‌انگیزی در یادگیری از طریق نمایش به ارمغان آورد، اما تعداد زیادی از پروژه‌های تحقیقاتی در مدارسی مانند CMU،MIT  و UC Berkeley به آینده‌ای اشاره می‌کنند که در آن ربات‌ها بسیار شبیه به همتایان انسانی خود یاد می‎گیرند.

در رویداد TechCrunch Disrupt، موسسه تحقیقاتی تویوتا (TRI) پیشرفت‌هایی را در تحقیقات خود به نمایش می‌گذارد که می‌تواند به معنای واقعی کلمه یک شبه به یک ربات یک مهارت جدید بیاموزد.

گیل پرت، مدیرعامل و دانشمند ارشدTRI ، سرعت قابل‌‎توجهی را در فناوری جدیدی که با آن کار می‌کند، برجسته ساخته و می‌گوید:«در گذشته، یادگیری ماشینی به میلیون‌ها آیتم آموزشی نیاز داشت تا به درستی کار کند، اما اکنون به نظر می‌رسد که تنها ده‌ها مورد برای آموزش این مدل‌ها مورد نیاز است. این پیشرفت اجازه می‎دهد تا فرایندهای سریعتر و کارآمدتر شوند، حتی در مواردی که تنوع در آموزش اهمیت کمتری دارد.»

سیستم توسعه‌یافته توسط TRI، تکنیک‌های مختلفی را برای آموزش مهارت‎های مختلف به ربات‌ها ترکیب می‌کند‌. شاخه تحقیقاتی این خودروساز می‌گوید با استفاده از این روش، ربات‌هایی با 60 مهارت را آموزش داده است، اما مدل‎های موجود به‎تنهایی قادر به حل مشکل نیستند.

بنجامین بورچفیل، دانشمند ارشد تحقیقاتی TRI، می‌گوید:«ما با ظهور مدل‌های زبان بزرگ پیشرفت بزرگی را مشاهده کرده‌ایم که از آنها برای انتقال این سطح بالای هوش شناختی به ربات‌ها استفاده می‌کند. اگر رباتی دارید که چیزی را برمی دارد، اکنون به جای اینکه یک شی را مشخص کنید، می‌توانید به آن بگویید که قوطی کوکاکولا را بردارد، یا می‎توانید به آن بگویید که جسم براق را بردارد. این واقعاً عالی است، اما با این حال، این مدل‌ها محدودیت‌هایی دارند و نمی‌توانند کارهایی مانند وصل کردن یک دستگاه USB یا برداشتن دستمال کاغذی را انجام دهند. آنها واقعا مفید هستند، اما آن بخش از مشکل را حل نمی‌کنند. ما روی پرداختن به این محدودیت متمرکز هستیم و از پیشرفتی که تاکنون داشته‌ایم، بسیار هیجان زده‌ایم.»

یکی از مزیت‌های اصلی این روش، توانایی برنامه‎ریزی مهارت‌هایی است که ربات‌ها را قادر می‌سازد، در انواع مختلف محیط‎ها با موفقیت کار کنند. این مهم است، زیرا ربات‌ها معمولاً هنگام کار در محیط‌هایی که دارای ساختار کمتر یا سازمان‌دهی نشده‌اند، با مشکلاتی مواجه می‌شوند. به عنوان مثال، عملکرد یک ربات در یک انبار، در مقایسه با یک جاده یا خانه آسان‌تر است، زیرا انبارها معمولاً با چیدمان ثابت و موانع کمتری طراحی می‌شوند.

در حالت ایده‌آل، شما رباتی می‎خواهید که بتواند خود را با موقعیت‌های غیرمنتظره انطباق دهد. تمرکز اصلی TRI بر روی توسعه سیستم‌هایی است که می‌توانند به افراد مسن کمک کنند تا مستقل زندگی کنند، که این امر به ویژه در مکان‌هایی با جمعیت سالخورده مانند ژاپن مهم است. بر این اساس، هدف طراحی یک سیستم همه‎کاره است که بتواند در محیط‎های مختلف کار کند و بتواند به طور یکپارچه با تغییرات سازگار شود.

بنر اخبار هوش مصنوعی

میانگین امتیاز / 5. تعداد ارا :

مطالب پیشنهادی مرتبط

اشتراک در
اطلاع از
0 نظرات
بازخورد (Feedback) های اینلاین
مشاهده همه دیدگاه ها
لطفاً برای تکمیل این فرم، جاوا اسکریپت را در مرورگر خود فعال کنید.