För närvarande, oavsett hur kapabel en robotmekanism är, fungerar den i de flesta fall enligt förskrivna algoritmer (eller styrs helt av en person) och kan inte förutse konsekvenserna av dess handlingar. Men forskare från University of California i Berkeley har skapat en ny teknik för inlärningsmaskiner som gör det möjligt för dem att förutsäga vart den här eller den här åtgärden kommer att leda, även när de interagerar med föremål som roboten inte tidigare har stött på.
EurekAlert-upplagan skriver om den nya utvecklingen. Enligt deras rapporter är tekniken strukturerad enligt följande: i det första steget flyttar roboten självständigt objekt utan deltagande av en operatör med hjälp av bilder som tas emot från kameror, på grundval av vilken en förutsägbar beteendemodell byggs. Efter flera försök kommer den att "komma ihåg" och användas senare när man möter nya eller liknande sett objekt. Robotens kameror beräknar den möjliga sekvensen av åtgärder, men hittills är det dock bara några sekunder framåt. Även om detta redan är tillräckligt för att roboten ska kunna fatta beslut under nya förhållanden för den utan mänskligt deltagande. Som anges av en av forskarna, Frederic Ebert,”Under hela sitt liv lär sig människor att interagera med världen runt dem praktiskt taget utan hjälp av försök och fel, få den nödvändiga erfarenheten och förvärva färdigheter. Vi har lyckats bygga ett robotsystem som kommer att använda en stor mängd autonomt samlade data för att förvärva användbara färdigheter, och kunskapen som erhållits under träning kan användas av maskinen i framtiden när till exempel rörliga föremål."
Vladimir Kuznetsov
