Een team van onderzoekers van de University of California heeft een robot samengesteld die met vallen en opstaan ​​leert hoe je taken moet uitvoeren. De ontwikkeling is een belangrijke mijlpaal op het gebied van kunstmatige intelligentie.

Met behulp van de algoritmen kan de robot zijn kennis langzaam opbouwen in de loop van de tijd, zoals mensen dat doen, in plaats van voorgeprogrammeerd te zijn vanaf het moment van creatie. De resulterende 'neurale netten' werden geïnspireerd door het neurale circuit van de hersenen.

"De sleutel is dat wanneer een robot geconfronteerd wordt met iets nieuws, we hem niet opnieuw hoeven te programmeren", zei Pieter Abbeel, die de techniek heeft helpen ontwikkelen. "Exact dezelfde software, die codeert voor hoe de robot kan leren, werd gebruikt om de robot alle verschillende taken te leren die we hem hebben gegeven."

In een reeks experimenten kreeg een robot met de naam BRETT (Berkeley Robot voor de Eliminatie van Vervelende Taken) een reeks motorische opdrachten, zoals het plaatsen van blokken door bijpassende openingen of het stapelen van Legoblokken. Naarmate de oplossing dichterbij kwam, werd de robot "beloond" met punten die door het algoritme waren toegewezen.

"We hebben nog een lange weg te gaan voordat onze robots kunnen leren om een ​​huis schoon te maken of wasgoed te sorteren", zei Abbeel, "maar onze eerste resultaten geven aan dat dit soort diepgaande leertechnieken een transformerend effect kunnen hebben op het mogelijk maken van robots. leer complexe taken helemaal opnieuw. "