Τη λύση έρχεται να δώσει η ερευνητική ομάδα του BAIR (abbr. Berkeley Artificial Intelligence Research). Υπό την καθοδήγηση του Xue Bin (Jason) Peng, φοιτητή Διδακτορικού επιπέδου στο Πανεπιστήμιο του Μπέρκλεϊ, η ομάδα κατασκεύασε ένα σύστημα βαθιάς μηχανικής εκμάθησης - γνωστό ως DeepMimic - με τη δυνατότητα να μιμείται την ανθρώπινη κινησιολογία. Πρόκειται για ένα μοντέλο όπου ο κορμός του βασίζεται στη θετική ενίσχυση, με το εικονικό dummy να επιβραβεύεται σύμφωνα με το πόσο κοντά έφτασε στο μοντέλο αναφοράς. Η τυχαιοποιημένη μάλιστα αρχική στάση του σώματός του οδηγεί στη διδαχή όχι της ταχύτερης οδού για την επίτευξη του στόχου, αλλά στο σωστό τρόπο εκτέλεσης της προβλεπόμενης ενέργειας. Η γενικότητα της φύσης του εν λόγω συστήματος επιτρέπει την προσαρμογή του σε πάσης λογής σενάρια. Από διαφορετικούς σωματότυπους, σε μη προκαθορισμένες κινήσεις, μέχρι τη διακοπή αυτής από απρόοπτα γεγονότα.
Επομένως, εφόσον το επιτρέπουν οι φυσικοί νόμοι, κάθε ανθρώπινη κίνηση μπορεί να αναπαρασταθεί όχι μόνο πιο ρεαλιστικά από ποτέ, αλλά και σε ένα format όπου κάθε τυχόν αλλαγή δε θα επιφέρει επιπλέον οικονομικό ή χρονικό κόστος. Τα μοντέλα αναφοράς στα οποία βασίζεται το σύνολο της εκπαίδευσης του τώρα δεν είναι παρά η αρχή, αφού εκτός των βιντεοπαιχνιδιών οι χρήσεις του DeepMimic είναι αναρίθμητες. Δύο από τους κυριότερους τομείς είναι τα stunts των ταινιών τα οποία θα μπορούν να γίνουν πλέον δίχως το φόβο κάποιου σοβαρού ατυχήματος, σπρώχνοντας παράλληλα την κατηγορία στα άκρα, ενώ εταιρίες όπως η Boston Dynamic θα μπορούν να εκπαιδεύσουν τα ρομπότ τους εικονικά πριν δοκιμάσουν τις αντοχές τους στο φυσικό περιβάλλον, αποφεύγοντας έτσι πολυδάπανες πτώσεις.
0 Post a Comment:
Δημοσίευση σχολίου