2 iunie 2023
Andreea Bobu de la UC Berkeley
Pentru a îndeplini sarcinile pe care oamenii le doresc în lume, roboții se bazează pe o reprezentare a caracteristicilor principale ale sarcinii; de exemplu, pentru a-mi înmâna o ceașcă de cafea, robotul ia în considerare caracteristici precum eficiența și orientarea ceștii în comportamentul său. Metodele anterioare încearcă să învețe atât o reprezentare, cât și o sarcină în aval împreună din seturi de date despre comportamentul uman, dar, din păcate, acest lucru preia corelații false și are ca rezultat comportamente care nu se generalizează. Din punctul meu de vedere, ceea ce ne împiedică de la o interacțiune reușită între om și robot este că reprezentările umane și roboți sunt adesea nealiniate: de exemplu, robotul de asistență al laboratorului nostru sa mutat la o ceașcă de centimetri de fața mea — care este un comportament tehnic fără coliziuni — deoarece îi lipsea o înțelegere a spațiului personal. În loc să trateze oamenii ca surse de date statice, ideea mea cheie este că roboții trebuie să se implice cu oamenii într-un proces interactiv pentru a găsi o reprezentare partajată pentru o învățare mai eficientă, transparentă și fără întreruperi în aval. În această discuție, mă concentrez pe o abordare împărțiți și cuceriți: concentrez în mod explicit contribuția umană pe predarea roboților reprezentări bune înainte de a le folosi pentru învățarea sarcinilor din aval. Aceasta înseamnă că, în loc să ne bazăm pe inputuri concepute pentru a preda implicit reprezentarea, avem posibilitatea de a proiecta input uman care este în mod explicit vizat de predarea reprezentării și poate face acest lucru eficient. Introdu un nou tip de intrare specifică reprezentării care permite omului să predea noi caracteristici, le permit roboților să raționeze cu privire la incertitudinea reprezentării lor actuale și să detecteze automat dezechilibrele și propun un nou model de comportament uman pentru a învăța comportamente robuste pe lângă reprezentări aliniate la om. Abordând în mod explicit alinierea reprezentării, cred că în cele din urmă putem obține o interacțiune perfectă cu oamenii, în care fiecare agent înțelege cu adevărat de ce celălalt se comportă așa cum o fac.
Cursuri interesante:
- Seminar Stanford – Algoritmi de robotică care iau în considerare oamenii
- Seminar de la Stanford – Utilizarea inputului uman pentru a permite sisteme AI robuste, Daniel S. Brown
- Seminar Stanford – Puterea reprezentărilor vizuale
- Seminar Stanford – Considerații pentru colaborarea om-robot
- Explore Academy Coding Hub – Lectia 1 de programare | Tema zilei: Algoritm
- Seminar Stanford – Autonomie interactivă: O abordare centrată pe om pentru interacțiuni sigure
- Seminar Stanford – Combinarea aproximărilor CBF bazate pe date cu accesibilitatea HJ
- Seminar Stanford – Învățare prin imitație interactivă: planificare alături de oameni
- Seminar de la Stanford – Către o autonomie generalizabilă: dualitatea descoperirii și părtinirii
- Seminar Stanford – Arhitectarea stivelor de autonomie AV de generație următoare