AI ใหม่ของ DeepMind สอนหุ่นยนต์ให้ผูกเชือกรองเท้าและทำงานบ้าน

บริษัทวิจัยปัญญาประดิษฐ์ (AI) ของกูเกิล (Google) อย่าง กูเกิล ดีปมายด์ (Google Deepmind) ได้เปิดตัวระบบปัญญาประดิษฐ์ หรือ AI ที่ใช้กับหุ่นยนต์ เป้าหมายเพื่อให้หุ่นยนต์เรียนรู้และทำงานซับซ้อนที่ต้องใช้ความแม่นยำในการเคลื่อนไหวอย่างมาก ประกอบด้วยระบบใหม่ 2 ระบบ ได้แก่ อะโลฮา อันลีชด์ (ALOHA Unleashed) สำหรับการทำงานด้วยแขนกล 2 แขน และ เดโมสตาร์ต (DemoStart) สำหรับหุ่นยนต์ที่มีหลายนิ้ว 

ระบบ ALOHA Unleashed

ALOHA Unleashed เป็นระบบ AI ที่สร้างขึ้นบนแพลตฟอร์ม ALOHA 2 ซึ่ง Google DeepMind พัฒนาต่อยอดมาจากระบบ ALOHA ดั้งเดิม ซึ่งเป็นระบบฮาร์ดแวร์ราคาประหยัดแบบโอเพนซอร์ส หรือก็คือฮาร์ดแวร์ที่เปิดซอร์สโค้ด ให้สาธารณะเข้าถึงได้แบบฟรี ๆ สำหรับการควบคุมหุ่นยนต์ที่มีมือ 2 ข้างที่พัฒนาโดยมหาวิทยาลัยสแตนฟอร์ด สหรัฐฯ 

ALOHA Unleashed ได้มีการติดตั้งแขนกล 2 ข้างเข้ามา สามารถควบคุมการทำงานได้จากระยะไกล ใช้ข้อมูลการฝึกที่มีคุณภาพสูงช่วยให้หุ่นยนต์เรียนรู้งานใหม่ได้ แม้จะมีการสาธิตให้ดูเพียงเล็กน้อยเท่านั้น 

ทีมงานได้นำระบบเหล่านี้ไปทดสอบในสถานการณ์จำลอง และงานต่าง ๆ ในโลกแห่งความเป็นจริง พบว่าหุ่นยนต์สามารถผูกเชือกรองเท้า เปลี่ยนชิ้นส่วนหุ่นยนต์ แขวนเสื้อ และทำความสะอาดครัวได้ แต่ความสามารถในการผูกเชือกรองเท้านั้นยังไม่สมบูรณ์เท่าไหร่นัก ซึ่งต้องมีการพัฒนาปรับปรุงเพิ่มเติม

Google กล่าวว่า การทำให้หุ่นยนต์สามารถเรียนรู้จากการสาธิตให้ดู จากนั้นหุ่นยนต์แปลภาพไปเป็นการกระทำ ระบบเหล่านี้จะปูทางให้หุ่นยนต์สามารถทำงานที่เป็นประโยชน์ได้หลากหลายมากขึ้น ทั้งนี้ Google DeepMind อ้างว่า Alohawe Unleashed ที่พัฒนาขึ้นนี้มีความคล่องแคล่วสูงในการจัดการด้วยแขนทั้งสองข้าง

ระบบ DemoStart 

DemoStart ถือเป็นแนวทางใหม่ เพื่อควบคุมมือหุ่นยนต์ที่มีความซับซ้อนมากขึ้น ใช้อัลกอริธึมการเรียนรู้แบบเสริมกำลัง (Reinforcement Learning Algorithm) หรือก็คือวิธีการเรียนรู้ของเครื่องประเภทหนึ่ง ที่หุ่นยนต์เรียนรู้วิธีการตัดสินใจโดยการตอบโต้กับสภาพแวดล้อม วิธีการนี้ทำให้หุ่นยนต์จาก Google Deepmind เรียนรู้ทักษะใหม่ได้จากการสาธิตให้ดูเพียงไม่กี่ครั้งเท่านั้น 

DemoStart ทำการเรียนรู้จากสถานการณ์จำลองที่ใช้โปรแกรม มูโจโค (MuJoCo ย่อมาจาก Multi-Joint dynamics with Contact) เป็นเครื่องยนต์ฟิสิกส์ที่ออกแบบมาเพื่อจำลองและควบคุมระบบหุ่นยนต์และชีวกลศาสตร์ที่มีความซับซ้อน โดยสามารถถ่ายโอนพฤติกรรมการเรียนรู้ไปให้แสดงผลบนตัวหุ่นยนต์ได้

DemoStart เริ่มต้นด้วยการเรียนรู้จากงานง่าย ๆ และค่อย ๆ ขยับไปสู่งานที่ยากขึ้น โดยฝึกฝนงานแต่ละงานให้เชี่ยวชาญทีละขั้นตอน เมื่อเปรียบเทียบกับวิธีการเรียนรู้แบบดั้งเดิมแล้ว พบว่าระบบนี้ใช้การสาธิตให้ดูน้อยกว่าการเรียนรู้แบบดั้งเดิมประมาณ 100 เท่า แต่ได้มีความชำนาญในระดับเดียวกัน

วิธีนี้ช่วยประหยัดเวลาและต้นทุนโดยลดขั้นตอนการทดลองจริงลง ทีมนักพัฒนาได้นำระบบ DemoStart ไปทดสอบผ่านหุ่นยนต์ 3 นิ้วชื่อ DEX-EE ซึ่งพัฒนาโดย Google DeepMind เช่นกัน พบว่าในการนำไปทดสอบในสถานการณ์จำลอง เช่น การหมุนลูกบาศก์ หรือการขันน็อต มีอัตราความสำเร็จประมาณร้อยละ 98 และเมื่อนำไปทดสอบกับงานที่คล้ายกันแต่เป็นสถานการณ์จริง ก็มีอัตราความสำเร็จประมาณร้อยละ 97

อย่างไรก็ตาม Google DeepMind ยอมรับว่าการจะทำให้หุ่นยนต์มีความสามารถและคล่องแคล่วเทียบเท่ากับความสามารถของมนุษย์นั้นยังถือว่าอีกยาวไกล แต่งานวิจัยก็ถือเป็นการปูทางไปสู่การสร้างหุ่นยนต์ที่มีประโยชน์และคล่องแคล่วมากขึ้น ซึ่งอาจช่วยเหลือที่บ้าน สำนักงาน และอื่น ๆ ได้ในอนาคต

ที่มาข้อมูล InterestingEngineering, DeepMind

ที่มารูปภาพ DeepMind