Inteligence Space and Human Centered Robotics

Kategorie: Informatika (celkem: 338 referátů a seminárek)

Informace o referátu:

  • Přidal/a: anonymous
  • Datum přidání: 01. července 2007
  • Zobrazeno: 1569×

Příbuzná témata



Inteligence Space and Human Centered Robotics

Podľa prednášky:

INTELLIGENT SPACE AND HUMAN CENTERED ROBOTICS
Od:

TORU YAMAGUCHI

Department of Electronic System Engineering,
Tokyo Metropolitan Institute of Technology
6-6, Asahigaoka, Hino, Tokyo, 191-0065 JAPAN
E-mail: yamachan@fml.ec.tmit.ac.jp


1. Úvod

Tento referát pojednáva o problematike vcelku veľmi zaujímavej, avšak tak obsiahlej, že nie je možné ju vyčerpávajúco priblížiť vo vymedzenom čase, a to p problematike AI (umelej inteligencie), na základe poznatkov z teórie neurónových sietí a fuzzy logiky. Referát sa opiera o prednášku Toru Yamaguchiho, v ktorej tento pán načrtol základné východiská a niektoré závery k tomuto problému.
Toru JaMguchi vo svojej prednáške pojednáva o snahe zostrojiť kvázi inteligentného robota, ktorý bude schopný symbiotického spolužitia s človekom. Pochybujem , že pán Yamaguchi sa dopracoval, k žiadanému cieľu, v plnom rozsahu, nakoľko to by znamenalo vznik umelej inteligencie a umelého života ako takého.
Symbiotické spolužitie človeka a inteligentného robota predpokladá, že robot je schopný bezpečnej integrácie do ľudského prostredia. To je možné za predpokladu, že robot môže byť obdarený určitým stupňom autonómie a schopnosťou úzkej interakcie s človekom. Človek je, medzi iným charakteristický tým, že v čase keď nepracuje, alebo nevyvíja inú zmysluplnú činnosť, nič nerobí, oddychuje, resp. Sedí v kresle a čumí do blbá, robot musí byť schopný porozumieť aj týmto(samozrejme aj mnohým iným), pre stroj dosť absurdným zvyklostiam a bezpečne na ne reagovať. Tento referát bude popisovať základné princípy, ktoré by mohli viesť k zostrojeniu systému, ktorý poskytuje robotovi autonómne funkcie a schopnosť učiť sa, chápať možné situácie a bezpečne na ne reagovať. Aby bolo toto spolužitie bezpečné, obaja, človek aj robot musia vedieť, že robot bol len mechanicky skonštruovaný.
Asi ste si všimli, že dosť často používam slovo “ bezpečne“, vychádzajúc s pôvodného textu, čo naznačuje že pán Yamaguchi si uvedomuje filozofické aspekty, ako aj určité nebezpečenstvo danej problematiky.

2. Základný náčrt systému:

Základný systém použitý v tomto výskume je Rasmusenov model, ktorý pozostáva z trojvrstvovej štruktúry:
1. Action (gesture) recognition of human and expression of robot emotion
(Autonomous action support)
Fuzzy Associative Memory (FAM)
Model of Knowledge, Emotion, and Intention (K.E.I. Model)
2. Learning action pattern of Robot
Q-Learning algorithm
3.

Sharing of acquired knowledge
Network Robotics using Ontology for human


Na základe tohoto bol zostrojený jednoduchý model, výzorom podobný obstarožnému vysávaču s kamerou navrchu. Ak som správne pochopil pôvodný text, tento robot má za úlohu „iba“ vnímať podnety okolitého sveta, a patrične, správne na ne pohybom reagovať.
Obrázok 2 v priloženom pdf.
Informácie generované človekom robot vníma CCD kamerou. Touto kamerou je takisto snímaná poloha robota vzhľadom k prostrediu.




3. Systém rozpoznávania posunkov človeka

Aby systém fungoval, robot musí byť schopný rozpoznávať inštrukcie vydávané človekom – posunkami a vnímať ich význam. K tomuto účelu je použitá fuzzy-associative memory – FAM. FAM sa skladá z prednej vrstvy fuzzy pravidiel (IF vrstva) a zadnej vrstvy (THEN vrstva). Fuzzy pravidlá sú vyjadrené použitím kompozície bi-directional associate memory medzi IF a THEN. Taktiež bol použitý tzv. „intelligent space software“ používaný na interpretáciu pozície ľudskej ruky a pozície robota.

4. Vyjadrenie citov robota (podpora autonómnych reakcií)

Aby bol systém, čo najviac podobný človeku (ako aj iných dôvodov, ktoré budú zrejmé neskôr, dúfam ), je nutné, pokúsiť sa v robotovi vypestovať určitú formu cítenia
Aby sme v robotovi vyvolali city, musíme ho tak naprogramovať – vyvolať to uňho softvérovo. Napríklad, ak sa jeho pocity dostanú do stavu „Obava“, robot bude automaticky klásť zvýšenú pozornosť na všetkých ľudí v jeho okolí. Rozoznané ľudské posunky si ukladá ako vstup do svojej makrodatabázy, díky ktorej môže robot dokončiť činnosť, ktorá je navyše ovplyvnená jeho momentálnym citovým stavom (Fig. 6), (napríklad príklad reťaze pocitov): hnev, strach, odísť, vyhnúť sa.. séria takýchto vzoriek sa nazýva emocionálne vzorky (Fig. 7).

5. Symbiotické učenie sa pohybových vzoriek robota

Poznámka: v tejto časti pán Yamaguchi pojednáva o systéme odmeňovania, bez predchádzajúceho, podľa mňa nutného vysvetlenia, tj. neručím za to, že som nasledujúcu časť správne pochopil a správne interpretoval.
(KEI je knowledge, emotion, intention (vedomosť, emócia, cieľ )) Každá činnosti robota napr. dopredu, vyhnúť sa, atď. je závislá od KEI modelu – výsledok rôznych vzoriek.
Aby bol robot schopný rozoznať dobré od zlého, je k nemu nutné pristupovať, pri procese učenie ako pri výcviku zvieraťa, tj. za dobré odmeniť, za zlé potrestať.
Obyčajne je odmena za naučenie sa niečoho nového, podstatného signálom z okolitého sveta.

Problém odmeňovania:
Aby bol robot motivovaný, je nutné aby dostal v určitej forme od človeka odmenu, ale tu vyvstáva problém, lebo odmena dodaná od človeka pochádza z ľudského sveta, preto nemusí mať pre robota adekvátnu hodnotu. Hodnota každej odmeny je taktiež závislá od konkrétneho človeka a konkrétnej situácie. Takisto, ako pochopenie významu odmeny zo strany robota, to jest podanie určitej odmeny zo strany človeka robotovi vyvolá v ňom určité pozitívne emócie. Príklad z reálneho sveta. Keď sa psíček vykadí v obývačke na koberec pod vianočný stromček, bude potrestaný, čo v ňom určite nevyvolá príjemné pocity. Naopak, ak sa vykaká do miesta nato vyhradeného, dostane napríklad nôžku z kurčaťa, potom si možno zapamätá, že kakať pod stromček nie je dobré.








6. Podelenie sa o získané vedomosti

Táto časť sa celá točí okolo pojmu ontológia, takže na úvod by bolo asi vhodné tento pojem vysvetliť: definícia hovorí toto:
Ontológia = špecifické pravidlá v robení konceptu. CFS = conceptual fuzzy sets.
Skúsim túto „suchú“ formuláciu preložiť do trochu zrozumiteľnejšej podoby.

6.1.
Ontológia: je z ľudského pohľadu systém, ktorým bytosti reagujú na podnety okolitého sveta a systém, akým sú tieto poznatky a podnety triedené a selektované podľa toho ktoré sú vhodné na to aby boli zapamätané, a tie ktoré upadnú do zabudnutia. Taktiež je to systém, akým sa o získané vedomosti delíme s ostatnými jedincami. Cieľom je tento systém jednoducho popísať, t.j. nejako jednoducho algoritmicky sformulovať pravidlá ontológie a implementovať ich do robota. V našom probléme je ontológia poskladaná z CFS v ktorých sú zakotvené zákonitosti obsahu.

6.2. CFS. Názov každej konkrétnej fuzzy množiny reprezentuje jej obsah. To nám dáva určitú voľnosť, nakoľko rovnaký obsah môže mať rôzny názov a rovnaký názov môže mať rôzny obsah (Fig. 17 CFS). Toto umožňuje robotovi chápať veci kontextuálne. CFS môže reprezentovať nielen vedomosti logického charakteru, ale taktiež vedomosti, ktoré nie je možné reprezentovať logicky, matematicky (napr. chcel by som kúpiť auto, ktoré nie je veľmi drahé).

6.4.
Ontológie pre zdieľanie informácií. toto chápem intuitívne ale neviem to preložiť. Medzi ľuďmi a agentmi sa predpokladá vznik určitej pevnej štruktúry komunikácie. Z technologického hľadiska, ontológia umožňuje niektorým agentom komunikovať s ľuďmi na bežnej abstraktnej báze a iní agenti pracujúci na odlišnom mechanizme môžu zdieľať informácie týchto agentov (Fig. 23-24 – experiment na zdieľanie vedomostí).

Nový příspěvek



Ochrana proti spamu. Kolik je 2x4?