首页 >> 梁翘柏

新的AI看起来像人类一样填补了空白唐峻洋

唐峻洋
2022年09月30日

新的AI看起来像人类一样填补了空白

德克萨斯大学奥斯汀分校的计算机科学家教过一个人工智能代理如何做通常只有人类才能做的事情-快速浏览一下并推断出整个环境。

这是开发有效的搜索和救援机器人认为有一天可以提高危险任务的效率。该团队由克里斯汀·格劳曼教授领导

候选人Santhosh Ramakrishnan和前博士学位候选人Dinesh Jayaraman今天在《科学机器人》杂志上发表了他们的研究结果。

大多数AI代理都在他们以前经历过的环境中接受过非常具体的任务训练，例如识别物体或估计物体的体积。

但是由Grauman和Ramakrishnan开发的代理是通用的，可以收集可视信息，然后将其用于各种任务。

格劳曼说：“我们希望一个具备一般条件的特工进入环境，并为新的感知任务做好准备。” “它的行为方式多样，能够在不同的任务上取得成功，因为它已经学会了有关视觉世界的有用模式。”

科学家使用深度学习在数千种不同环境的360度图像上训练他们的代理。

现在，当代理人呈现从未见过的场景时，它会利用自己的经验来选择一些瞥见内容-例如站在大教堂中间的游客朝不同方向拍摄一些快照-总共不到20个整个场景的百分比。

该系统之所以如此有效，是因为它不仅沿随机方向拍照，而且在每次瞥见之后，选择它预测的下一幅照片都将添加有关整个场景的最新信息。

这就像您在杂货店里一样您以前从未访问过，并且看到苹果，您希望在附近找到橘子，但是要找到牛奶，您可能会反过来看。

基于瞥见，特工推断它在所有其他方向看时会看到什么，从而重建其周围环境的完整360度图像。

由德克萨斯大学奥斯汀分校的研究人员开发的一种新的AI代理可以对周围的环境“一瞥”，仅占360度全景视图的不到20％，并推断出整个环境的其余部分。

该系统之所以如此有效，是因为它不仅沿随机方向拍照，而且在每次瞥见之后，选择它预测的下一幅照片都将添加有关整个场景的最新信息。

格劳曼说：“就像您带入先前经历过的环境中的规律性的先验信息一样，该代理商将以非穷举的方式进行搜索，”格劳曼说。“它学会了明智地猜测在哪里收集视觉信息以成功完成感知任务。”

科学家为自己设定的主要挑战之一是设计一种可以在严格的时间限制下工作的代理。这对于搜索和救援应用程序至关重要。例如，在燃烧的建筑物中，将需要一个机器人来快速定位人员，火焰和有害物质，并将该信息传递给消防员。

主动完成未知环境的视频。目前，新特工的工作就像一个人站在一个地点，能够将摄像机指向任何方向，但无法移动到新位置。

或者，等效地，代理可以凝视它所握住的物体，并决定如何转动该物体以检查其另一侧。接下来，研究人员正在进一步开发该系统，以使其在完全可移动的机器人中工作。

从计算机视觉系统的以自我为中心的角度观看重建环境的示例演练的视频。

使用位于奥斯汀分校德克萨斯州高级计算中心和计算机科学系的超级计算机，大约一天的时间，他们使用一种称为强化学习的人工智能方法来训练他们的代理。

该团队在Ramakrishnan的领导下，开发了一种加快培训速度的方法：建立第二个特工，称为同伴，以协助主要特工。

Ramakrishnan说：“使用纯粹在培训期间提供的额外信息有助于[主要]代理人更快地学习。”