Психологи і фахівці з робототехніки з Вашингтонського університету розробили метод навчання роботів взаємодії з навколишнім світом через демонстрований приклад. При цьому робот не сліпо повторює побачену фізичну дію, а намагається досягти того ж результату, що і людина, але за допомогою більш зручних для себе рухів. За словами дослідників, подібним чином вчаться взаємодіяти з навколишнім світом діти. Стаття опублікована в kratko суть роботи описана на сайті університету.
Дослідники розробили алгоритм, за допомогою якого робот намагається передбачити результат, якого домагається людина, що показує будь-які маніпуляції з предметами. Після цього за допомогою методів машинного навчання робот намагається зрозуміти, як найкращим чином домогтися того ж результату, однак не шляхом повторення всіх рухів, а з поправкою на свої фізичні можливості.
Для перевірки системи автори провели кілька експериментів як з комп'ютерним симулятором, так і з реальним роботом. В експерименті з симулятором, наприклад, система дивилася на людину і вчилася «обертати» модель голови таким чином, щоб дивитися туди ж, куди і людина.
Для того, щоб перевірити вміння проектувати свій досвід на оточуючих, моделі робота «показали», що при пов'язці на очах нічого не видно - один з дослідників, професор Ендрю Мельтзоф, раніше проводив подібний експеримент на немовлятах. Виявилося, що модель робота, яка «розуміла», що в пов'язці нічого не видно, переставала намагатися дивитися в тому ж напрямку, що і людина. Дослідники відзначають, що подібне вміння проектувати досвід на оточуючих раніше спостерігалося і у немовлят.
В експерименті з реальним роботом йому спочатку продемонстрували людину, що переміщає різні предмети по столу, а потім запропонували виконати аналогічні операції самостійно. З'ясувалося, що в деяких випадках робот не повторював людські рухи для того, щоб зрушити предмет по столу, не піднімаючи його, а користувався маніпулятором, щоб підняти об'єкт, перенести в іншу область і там покласти.
Автори зазначають, що можливість навчати роботів на власному прикладі важлива для майбутньої взаємодії з роботами людей, які не володіють навичками програмування. Також вчені зазначають, що, порівняно з методом наочного навчання (коли людина безпосередньо управляє маніпулятором, а робот записує показання сервомоторів), їхня технологія дозволяє роботу знайти, можливо, більш ефективний шлях вирішення завдання з урахуванням власних можливостей.
Раніше дослідники з університету Карнегі - Меллона за допомогою нейронних мереж організували промисловому роботу Baxter самостійне навчання із захоплення маніпулятором різних об'єктів. За 700 годин безперервних спроб захопити і підняти предмети різної форми робот навчився передбачати вдале для захоплення місце навіть на незнайомих предметах з точністю до 80 відсотків.