Ein sich ständig verändernder Raum mit Ikea-Möbeln könnte der KI helfen, durch die Welt zu navigieren

Eine Illustration eines Roboters, der einem mit Möbeln gefüllten Raum gegenübersteht.

Eine Illustration eines Roboters, der einem mit Möbeln gefüllten Raum gegenübersteht.AI2

In einem Gebäude gegenüber seinem Hauptbüro in Seattle hat das Allen Institute for Artificial Intelligence (AI2) genug Ikea-Möbel, um 14 verschiedene Wohnungen einzurichten. Das Labor geht nicht in die Innenarchitektur – nicht gerade. Die Ressourcen sollen intelligentere Algorithmen zur Steuerung von Robotern trainieren.

Haushaltsroboter wie der Roomba funktionieren nur deshalb gut, weil ihre Aufgaben relativ einfach sind. Sich herumzuschlängeln, sich zu verdoppeln und immer wieder an dieselben Stellen zurückzukehren, spielt keine Rolle, wenn das Ziel darin besteht, denselben Boden unerbittlich zu reinigen.



Aber alles, was eine effizientere oder komplexere Navigation erfordert, bringt immer noch viele hochmoderne Roboter zum Stolpern. Die Forschung, die zur Verbesserung dieses Status quo erforderlich ist, ist ebenfalls teuer und beschränkt die meisten innovativen Fortschritte auf gut finanzierte kommerzielle Labors .

Nun will AI2 zwei Fliegen mit einer Klappe schlagen. Am Dienstag gab es a bekannt neue Herausforderung namens RoboTHOR (THOR für The House Of Interactions – ja, wirklich). Es dient gleichzeitig als Crowdsourcing-Möglichkeit für bessere Navigationsalgorithmen und senkt die finanziellen Hürden für Forscher, die möglicherweise nicht über eigene Robotik-Ressourcen verfügen.

Das ultimative Ziel ist es, KI schneller voranzubringen, indem mehr Forschungsgruppen einbezogen werden. Verschiedene Gemeinschaften sollten unterschiedliche Perspektiven und Anwendungsfälle einbringen, die das Repertoire an Roboterfähigkeiten erweitern und das Feld näher an verallgemeinerbare Intelligenz heranführen.

Ein richtiges Esszimmer. Ein simuliertes Esszimmer.

Ein direkter Vergleich von echten und simulierten Speisesälen in einer der Wohnungskonfigurationen.

Das Labor hat einen leicht rekonfigurierbaren Raum in der Größe eines beengten Ateliers entworfen, der als Bühne für alle 14 Wohnungsvarianten dienen soll. Es hat auch neu erstellte identische virtuelle Repliken in Unity, einer beliebten Videospiel-Engine, sowie 75 weitere Konfigurationen, die alle als Open Source online verfügbar sind. Zusammen bieten diese 89 Gesamtkonfigurationen realistische Simulationsumgebungen für Teams auf der ganzen Welt, um ihre Navigationsalgorithmen zu trainieren und zu testen. Die Umgebungen sind außerdem mit Modellen der Roboter von AI2 vorinstalliert und spiegeln die reale Physik wie Schwerkraft und Lichtreflexionen so genau wie möglich wider.

Die Herausforderung fordert Teams speziell auf, Algorithmen zu entwickeln, die einen Roboter von einem zufälligen Startort in einem Raum zu einem Objekt in diesem Raum bringen können, indem sie ihm einfach den Namen des Objekts mitteilen. Dies ist schwieriger als eine einfache Navigation, da der Roboter den Befehl verstehen und das Objekt auch in seinem Sichtfeld erkennen muss.

Die Teams treten in drei Phasen gegeneinander an. In Phase eins erhalten sie die 75 rein digitalen Simulationsumgebungen, um ihre Algorithmen zu trainieren und zu validieren. In Phase zwei erhalten die Leistungsstärksten dann vier neue Simulationsumgebungen mit entsprechenden physischen Doppelgängern. Die Teams können ihre Algorithmen aus der Ferne verfeinern, indem sie sie in die echten Roboter von AI2 laden.

In der letzten Phase müssen die Leistungsträger die Verallgemeinerbarkeit ihrer Algorithmen in den letzten 10 digitalen und entsprechenden physischen Wohnungen unter Beweis stellen. Die Teams, die in dieser letzten Phase am besten abschneiden, gewinnen das Recht zum Angeben und eine Einladung, ihre Modelle auf der Conference on Computer Vision and Pattern Recognition, einer führenden KI-Forschungskonferenz für visionsbasierte Systeme, vorzuführen.

Verschiedene reale und simulierte Objekte.

Verschiedene reale und simulierte Objekte. AI2

Nachdem die Herausforderung beendet ist, plant AI2, das Setup verfügbar zu halten und jedem Zugang zur Umgebung zu geben, um die Robotikforschung fortzusetzen. Forscher, die eine bestimmte Genauigkeitsschwelle in den simulierten Umgebungen überwinden – was beweist, dass sie die Roboter nicht zum Absturz bringen –, dürfen ihre Algorithmen aus der Ferne in den physischen Umgebungen einsetzen. Der Raum rotiert zwischen den verschiedenen Möbelkonfigurationen.

Wir werden diese Umgebung beibehalten, und wir werden diese Roboter beibehalten, sagt Ani Kembhavi, ein Forschungswissenschaftler bei AI2, der das Projekt leitet. Sein Team plant die Entwicklung eines Time-Sharing-Systems, das es verschiedenen Forschern ermöglicht, ihre Algorithmen abwechselnd aus der Ferne in der realen Welt zu testen.

AI2 hofft, dass die Strategie die Robotikforschung zugänglicher macht, indem so viele der damit verbundenen Hardwarekosten wie möglich eliminiert werden. Es hofft auch, dass das Programm andere gut finanzierte Organisationen dazu inspirieren wird, ihre Ressourcen auf ähnliche Weise zu öffnen. Darüber hinaus hat es seinen rekonfigurierbaren Raum bewusst mit niedrigen Materialkosten und weltweit verfügbaren Ikea-Möbeln gestaltet; Das Setup kostete ungefähr 10.000 US-Dollar. Sollten andere Forscher ihre eigenen physischen Trainingsräume bauen wollen, können sie diese einfach lokal replizieren und dennoch mit den virtuellen Simulationsumgebungen übereinstimmen.

Kembhavi, dessen Vater Astronom ist, vergleicht die Idee mit der weltweiten gemeinsamen Nutzung von Teleskopen. Gemeinschaften wie die Astronomie haben herausgefunden, wie man teure Ressourcen nimmt und sie Forschern auf der ganzen Welt zur Verfügung stellt, sagt er.

Das ist unsere Vision für diese Umgebung, fügt er hinzu. Verkörperte KI für alle.

verbergen