機(jī)器人在決策前使用新的AI工具可以評(píng)估所有可能性

就像人類一樣，當(dāng)機(jī)器人做出決定時(shí)，通常會(huì)有很多選擇和成百上千的潛在結(jié)果。機(jī)器人已經(jīng)能夠模擬這些結(jié)果中的少數(shù)幾個(gè)，從而找出哪種行動(dòng)方式最有可能導(dǎo)致成功。但是，如果其他選擇之一同樣有可能成功并且更安全呢?

海軍研究辦公室授予史蒂文斯技術(shù)學(xué)院(MIT)機(jī)械工程師培訓(xùn)的布倫丹·恩格洛特(Brendan Englot)2020年青年科學(xué)家獎(jiǎng)508美元，693美元，以利用經(jīng)典人工智能工具的新變體使機(jī)器人能夠預(yù)測(cè)許多行動(dòng)的結(jié)果以及發(fā)生的可能性。該框架將使機(jī)器人通過了解哪些選項(xiàng)是最安全，最有效且最不可能失敗的方法，找出實(shí)現(xiàn)目標(biāo)的最佳方法。

恩格洛特說：“如果機(jī)器人完成任務(wù)的最快方法是走在懸崖的邊緣，那會(huì)犧牲速度的安全性。”恩格洛特將率先使用這種工具(分布式強(qiáng)化學(xué)習(xí))來訓(xùn)練機(jī)器人。“我們不希望機(jī)器人掉下懸崖，因此我們?yōu)樗麄兲峁┝祟A(yù)測(cè)和管理完成所需任務(wù)所涉及風(fēng)險(xiǎn)的工具。”

多年來，強(qiáng)化學(xué)習(xí)已被用來訓(xùn)練機(jī)器人在水，陸地和空中自主導(dǎo)航。但是該AI工具有局限性，因?yàn)樗鼘?shí)際上是基于可能的每個(gè)動(dòng)作的單個(gè)預(yù)期結(jié)果來做出決策的，而實(shí)際上通常還會(huì)發(fā)生許多其他可能的結(jié)果。Englot正在使用分布式強(qiáng)化學(xué)習(xí)，這是一種AI算法，機(jī)器人可以使用它來評(píng)估所有可能的結(jié)果，預(yù)測(cè)每個(gè)動(dòng)作成功的可能性并選擇最成功的權(quán)宜之計(jì)，同時(shí)保持機(jī)器人的安全。

在將算法運(yùn)用于實(shí)際機(jī)器人之前，Englot的首要任務(wù)是完善算法。Englot和他的團(tuán)隊(duì)創(chuàng)建了許多決策環(huán)境來測(cè)試他們的算法。他們經(jīng)常求助于該領(lǐng)域最受歡迎的游戲場(chǎng)之一：Atari游戲。

例如，當(dāng)您玩吃豆人時(shí)，您就是決定吃豆人行為方式的算法。您的目標(biāo)是獲取迷宮中的所有點(diǎn)，如果可以的話，獲取一些水果。但是周圍有鬼魂可以殺死你。每秒鐘，您被迫做出決定。你直走，向左還是向右?哪條路徑可以使您獲得最多的點(diǎn)和點(diǎn)，同時(shí)又使您遠(yuǎn)離幽靈?

Englot的AI算法使用分布強(qiáng)化學(xué)習(xí)，將代替人類玩家，模擬一切可能的動(dòng)作來安全地瀏覽其景觀。

那么，您如何獎(jiǎng)勵(lì)機(jī)器人呢?Englot和他的團(tuán)隊(duì)將為不同的結(jié)果分配分?jǐn)?shù)，即，如果它掉下懸崖，機(jī)器人將獲得-100的分?jǐn)?shù)。如果采用較慢但安全的方法，則繞行的每一步可能會(huì)得到-1分。但是，如果成功達(dá)到目標(biāo)，則可能會(huì)獲得+50。