Cookies op Tweakers

Tweakers maakt gebruik van cookies, onder andere om de website te analyseren, het gebruiksgemak te vergroten en advertenties te tonen. Door gebruik te maken van deze website, of door op 'Ga verder' te klikken, geef je toestemming voor het gebruik van cookies. Wil je meer informatie over cookies en hoe ze worden gebruikt, bekijk dan ons cookiebeleid.

Meer informatie

Vallende robots tijdens de Darpa Robotics Challenge

Door , 41 reacties

Niet alle robots deden de opdrachten tijdens de Darpa Robotics Challenge even goed. Hier zie je een compilatie van beelden waarbij het misging.

Reacties (41)

Wijzig sortering
Je herkent hier gewoon de eerste stapjes van baby's in. Bijna scary en lachwekkend op het zelfde moment.
Je comment wordt als irrelevant gemerkt, maar je hebt gelijk. Deze machines zijn indirect kinderen van ons. En hoewel ze nog niet in de buurt komen van wat wij als mens kunnen; leren ze het wel.
Besef hoe erg wij er gewoon van uitgaan dat we kunnen lopen, denken en doen.

En zie hier hoe moeilijk het wel niet is.
Of "ZE" (in de zin van zij) het leren betwijfel ik... WIJ die ze programmeren zullen het leren.

Van zodra ZE het zelf leren zitten we in een volgende fase (en willen we die wel ?)
Ik refereerde naar de nieuwe generatie robots die zichzelf dingen aan kunnen leren door middel van trial en error:

http://www.engadget.com/2...rett-deep-learning-robot/

Misschien geen DARPA robot, maar niet minder indrukwekkend. De bewegingen die deze robot met zijn arm maakt zijn erg menselijk. Het lijkt totaal niet op het hakkerige van oudere robots die wij allemaal kennen.
Toen ik dat nieuws een paar weken geleden zag was ik eerst met stomheid geslagen. Het is echt spectaculaar wat zij doen. Let ook vooral op hoe snel die robot is als hij iets eenmaal geleerd heeft.

Ik ben toen gelijk gaan zoeken naar meer informatie, die vond ik hier:
https://news.ycombinator.com/item?id=9586582

Dat is eigenlijk veel meer waard in mijn ogen dan die 2 miljoen die ze weggeven voor het maken van robots die kunnen lopen, rijden, etc. van de DARPA challenge. Neem nu alleen de snelste al. De snelste robot deed het hele traject in 45 minuten. De voorspelling van de robots van de DARPA challenge is dat ze misschien in 5 tot 10 jaar gebruikt kunnen worden in een rampgebied (ter vergelijking Google voorspelt voor hun zelfrijdende auto op de openbare weg ook 5 jaar).

Dit is een video van de zelfde type robot in het zelfde lab van 5 jaar geleden:
https://www.youtube.com/watch?v=gy5g33S0Gzo

Die van 5 jaar geleden was nog veel meer een traditionele robot, als ik mij goed herinner, wordt er voornamelijk alleen voor de object herkenning machine learning gebruikt de meeste programmatuur is nog 'vast'.

Hier is een recente talk van 1 van de mensen die daar werkt:
https://www.youtube.com/watch?v=EtMyH_--vnU

Let op hoe ze echt voor alle onderdelen machine learning gebruiken en die heel slim aan elkaar koppelen. Ik denk dat ze in de nabije toekomst nog grootte stappen gaan maken.

Ze geven de robot heel weinig informatie over wat de robot moet doen.

In dat op zicht lijkt het heel veel op wat Deepmind had gedaan (bedrijf uit de UK dat gekocht is door Google):

https://www.youtube.com/watch?v=EfGD2qveGdQ

Bij Deepmind namen ze oude computer spellen en enige dat men als opdracht meegeeft aan de machine learning is: "zorg dat de score zo hoog mogelijk is". En daarna sluiten ze input (pixels van de beelden) en output (bediening van computer spel) aan op de game.

Dat maakt het dus dat het niet spel-specifiek is.

Let goed op de snelheid waarmee geleerd wordt. 'na 2 uur beter dan ieder mens ooit is geweest in het spelen van dit spel'.

[Reactie gewijzigd door Lennie op 7 juni 2015 20:25]

@r2504,
mits AGI niet langer een hypothese is.
sowiezo zou het handig zijn als een machine slimmer zou zijn als een mens, beteknend niet meteen dat het zichzelf zou willen verspreiden over het universum.
Een AI kan namelijk alleen zichzelf slimmer maken binnen zijn gezette parameters.
Een beetje net zoals onze hersenen, we kunnen niet meer weten dan we aan kunnen, evolutie laat ons als mensen intellectueel groeien.

[Reactie gewijzigd door Eelco.L. op 7 juni 2015 17:13]

Op een bepaalde manier zitten een hoop robots al in de zelflerende fase.
De aansturing van die dingen is zo complex dat het haast niet meer mogelijk is om alle regeltjes helemaal uit te programmeren. Daarom wordt er steeds meer gebruik gemaakt van zelflerende algoritmes waarbij de robot (of simulator) eindeloos vaak probeert om een bepaalde opdracht uit te voeren, iedere keer net een beetje anders. De meest succesvolle onthouden ze en vandaar uit gaan ze verder met verfijnen.

Mensen stellen nog steeds de doelen en bepalen wat succes is, maar hoe dat doel bereikt wordt zoeken de robots steeds vaker zelf uit.
Geheel mee eens, maar gezien een partij als DARPA zich daarmee bezighoudt is het primaire doel oorlogsvoering.
En de mensen die bepalen hoe dat in z'n werk gaat hebben de meest basale modus operandi die er is, namelijk dusdanig veel vijanden uitschakelen/doden zodat die vijand zich niet meer kan verzetten tegen de macht van degene die de aansturing doet.
Op dit moment bestaan legers nog vrijwel geheel uit mensen. Deze robots krijgen dus als primaire modus operandi de opdracht mee om mensen te doden.

En ze gaan dat dus doen op de meest efficiŽnte en meest succesvolle manier die deze robots, die zonder twijfel als collectief zullen werken, kunnen bepalen door het op zoveel mogelijke verschillende manieren te doen.
Op welk moment zal de collectieve AI tot de conclusie komen dat de meest efficiŽnte methode volledige uitroeiing is?

Zoals je zelf al aangeeft is het nu al niet meer mogelijk voor mensen om alle noodzakelijke complexe processen vooraf in te programmeren.
Een militaire robot met een ingebakken wet dat hij geen mensen mag doden is onbruikbaar in het leger, die zullen er dus geen budget aan besteden als een dergelijke inhibitor wordt ingebouwd.

En dus theoretisch kan het punt komen waarbij de mens de controle volledig zal verliezen omdat politieke vrede en stoppen met vechten niet effectief is voor de primaire opdracht waarvoor deze robots worden gemaakt en ingezet.
Zeer zeker als deze robots een "brein" gebaseerd op het menselijk brein hebben.
Welk kind stapt er nu niet op enig moment buiten de grenzen die z'n ouders hebben gesteld?

[Reactie gewijzigd door Alfa1970 op 7 juni 2015 20:48]

Die reactie was 3 jaar geleden al niet meer serieus genomen : http://xkcd.com/534/
Die is leuk :).

Maar dit soort code, een "state engine", kom je vooral tegen in oudere en wat simpelere spellen.
Een AI gebaseerd op dit type code is zeer beperkt, en niet in staat te leren. Alles is al van te voren al vastgelegd en het is volledig voorspelbaar.

Je zal dat type code dan ook zeker niet zien bij een AGI gebaseerd op een volwaardig model van het menselijk brein dat in staat wordt geacht zelf-lerend te zijn. Bij dit model heeft de AI geen enkele voorkennis.

En het is "theoretisch" vanwege het feit dat een succesvolle implementatie van een dergelijke AGI op dit moment nog niet bestaat voor zover ik weet.
Met vallen en opstaan moet je het leren. Zo hebben we het allemaal gedaan toch?
Zo kunnen we de technologische leefijd van de mensachtige robot io ca 14 maanden schatten. Dat duurt dus nog even voordat ze volwassen zijn.
http://youtu.be/PRAkCK9IUY4

Voor de geÔnteresseerden. Hier overigens dezelfde mechanische robots die niet omvallen!
Skynet, not yet.

Sowieso al knap dat zo'n robot uberhaupt al naar een deur kan lopen
Denk referentie naar battlestar galactica is meer op zijn plaats.

OT:
Ik vraag me af wat voor skills je moet hebben om mee te kunnen doen aan dit soort projecten.

Zijn het ook software programmeurs of voornamelijk engineers met hardware programmeer skills ?
Een dergelijk team bestaat voornamelijk uit:
  • werktuigbouwkundigen, ook mechanisch is het een complex dynamisch systeem
  • electronic engineers, voor aansturing op laag niveau (servo motoren, sensoren, canbus etc.)
  • computer scientists, voor aansturing op een hoger niveau (locomotie, planning, beeldherkenning, etc.)
De laatste groep computer scientists is ongetwijfeld de grootste en ik laat voor het gemak hier ook AI/machine learning en computer vision experts onder vallen. Deze kunnen trouwens ook best een wiskundige of zelfs natuurkundige achtergrond hebben. Ik ben het overigens eens met steveman dat "AI" het grootste probleem vormt met dit soort robots. Op mechanisch en elektronisch vlak zijn ze al ruim voldoende voor het type taken in deze challenge.

[Reactie gewijzigd door narotic op 7 juni 2015 11:54]

Zou een bewegingswetenschapper niet iets kunnen bijdragen aan een dergelijk team? Die heeft immers verstand van hoe wij zo 'makkelijk' kunnen lopen.
Nee, het probleem is namelijk niet dat het team niet snapt hoe het mechanisme achter lopen/vallen/opstaan in elkaar steekt (dit is relatief eenvoudige mechanica/natuurkunde).

Het probleem zit hem in het aanpassingsvermogen van de robots aan onverwachte of ongeprogrammeerde situaties. Of in andere woorden: het probleem zit hem in het leervermogen van robots.

Er zijn enorm veel mogelijke scenario's waarin een robot kan belanden en de robot moet ten alle tijde direct snappen hoe hij zich in die situatie staande moet houden. Al die scenario's kun je als programmeur niet van te voren inschatten en inprogrammeren, daarvoor zijn het simpelweg te veel scenario's.

Ik denk dat het probleem hem hierbij vooral zit in teams met gebrek aan natuurkundige/wiskunde kennis (toegepast op het gebied van regeltechniek/dynamische systemen) en een gebrek aan AI processing power. Met dat laatste probeer ik te zeggen: computers kunnen simpelweg nog niet snel genoeg rekenen/leren om situaties te herkennen, anticiperen en corrigeren.

[Reactie gewijzigd door GeoBeo op 7 juni 2015 12:16]

Ik ben het er erg mee oneens dat lopen/vallen/opstaan (relatief) eenvoudige mechanica/natuurkunde is. Wat ik zie is dat deze robots extreem versimpelde varianten van mensen zijn met nauwelijks sensorische input (ik kan maar een paar sensoren deduceren, maar zelfs een paar honderd zou schamel zijn. Het lijkt alsof de robots het vooral op optische input doen, die input is bij mensen de meest nutteloze (want trage) als het op lopen aankomt). Ook zie ik weinig mechanische mogelijkheden (scharniertje hier en daar, topzwaar maar weinig flexibel bovenlichaam). Ik ben zeker met je eens dat de ongelooflijke sloot aan data die ons brein verwerkt als wij gedachteloos buiten lopen wellicht nog niet door een AI op een nuttige manier verwerkt kan worden. Daar komt nog eens bij dat een hele hoop data niet eens (primair) in ons brein verwerkt wordt, maar reflexmatig wordt teruggekoppeld door het ruggenmerg.
Ik kan je simpel het tegendeel bewijzen: als mechanismes achter lopen en vallen niet 100% gesneden koek zouden zijn, dan zouden "ragdoll physics" in computer games niet werken...
Lopen en vallen en ragdoll physics in games zijn nog steeds verre van perfect en dus blijkbaar toch niet zo'n gesneden koek.
Ja, mij lijkt een groep sensoren die een evenwichtsorgaan moet simuleren vrij essentieel voor tweebenige robots.
Let wel op dat de robots in de Darpa Robotics Challenge niet volledig autonoom zijn: ze worden op afstand bestuurd, maar doordat Darpa de communicatie verslechterd om een rampscenario na te bootsen is zo veel mogelijk autonomie wel erg handig.

Wat er dus gebeurd is dat de robot zijn meetdata en wereldmodel doorstuurt naar zijn operators en die met de info die ze hebben commando's voorbereiden.

Dus de robot bedenkt niet zelf waar hij moet zagen bijv. maar het team klikt dat aan in het beeld van de robot. Dus het is wel slimmer dan met een joystick besturen.

Een dergelijke mix van AI en tele-operation is erg interessant en ik denk voorlopig de beste manier om complexe taken uit te voeren.
Wij kunnen helemaal niet makkelijk lopen. We vallen voortdurend om en moeten compenseren. Vier poten is gewoon veel beter.

Apen zijn een anomalie in de dierenwereld omdat ze in de bomen leven en dus voortdurend naar takken moeten grijpen of fruit plukken en toch al over een goed evenwichtsorgaan beschikken om niet naar beneden te vallen. Vliegende eekhoorns hebben als adaptatie vleugels gekregen, mensen en andere apen hebben de mogelijkheid gekregen om op onze achterpoten te balanceren totdat er een losliggende stoeptegel is en we op ons gezicht gaan.

Maar voor robots in rampgebieden ben je veel beter af met zes poten zoals een insect, opdat er dan altijd vier poten op de grond staan met het zwaartepunt er tussenin. Bovendien kan de robot zo veel eenvoudiger trekken of duwen. Op vlakke grond zijn vier poten eenvoudiger en sneller. Twee poten is zinloos tenzij de robot er zonodig als een mens moet uitzien.
De software, de AI, is het grootste probleem waar je tegenaan loopt met dit werk.

Studiegenoten van me deden mee met de gesimuleerde robotvoetbal league, en als je ziet hoe moeilijk het al is om een gesimuleerde robot te laten lopen... Maar onderschat ook het ontwerpen van de hardware niet.

Maar nu zal ik door m'n achtergrond vast wat richting AI een bias hebben :+
"Go home sir, you're drunk!"
Die laatste had een cpu aanval..
Moest gelijk hier aan denken (Robocop)
Lijken wel oude mensen die gaan liggen vallen.
Moeten deze klunzen het tegen 2030 opnemen tegen de wereldkampioen voetbal?

Robots lijken me enorm traag te evolueren, dit konden ze 10 jaar geleden toch ook al?
Die op 16 seconden doet precies een eleptische aanval of self-destruction :o

Hij valt gewoon zonder stroom of houdt er gewoon mee op?

Op dit item kan niet meer gereageerd worden.


Nintendo Switch Google Pixel XL 2 LG W7 Samsung Galaxy S8 Google Pixel 2 Sony Bravia A1 OLED Microsoft Xbox One X Apple iPhone 8

© 1998 - 2017 de Persgroep Online Services B.V. Tweakers vormt samen met o.a. Autotrack en Hardware.Info de Persgroep Online Services B.V. Hosting door True

*