Odkrycie wiedza
/ Knowledge Discovery >> Odkrycie wiedza >> nauka >> inżynieria >> robotyka >>

10 najtrudniejszych rzeczy nauczyć Robot

nie zawsze jest łatwe do zrobienia. Istnieją pewne aspekty zamach kijem golfowym, na przykład, że prawdopodobnie nie da się opisać, jak grę nadgarstka i łokcia. Te subtelne szczegóły można przekazać wiele łatwiej pokazując zamiast mówić. Największa

W ostatnich latach naukowcy mieli pewne sukcesy w nauczaniu roboty naśladować obsługującej. Oni nazywają to uczenie imitacją lub uczenie się od demonstracji (LFD) i ściągnąć ją przez uzbrojenie swoje maszyny z tablicami od szerokiego kąta i zoomów. Sprzęt ten umożliwia robotowi " patrz " ludzki nauczyciel działając na określony proces lub działalność. Algorytmy uczenia następnie przetwarzać te dane do produkcji funkcję matematyczną mapę, która łączy wejście do pożądanych działań wizualnych. Oczywiście, roboty w LFD scenariuszy musi być w stanie ignorować pewne aspekty zachowania swojego nauczyciela - takich jak zarysowania swędzenie. - I radzić sobie z problemami korespondencji, która odnosi się do sposobów, anatomii robota różni się od człowieka Największa 6 : Praktyka Deception Największa

sztuką oszustwa ewoluowała, aby pomóc zwierzętom uzyskać nogi na swoich konkurentów i uniknąć zjadane przez drapieżniki. Dzięki praktyce, umiejętność może stać się bardzo skuteczny mechanizm przetrwania. Największa

Do roboty, uczenie się, jak oszukać osobę lub innego robota okazało się wyzwaniem (i że może być dobrze z tobą). Oszustwo wymaga wyobraźni - zdolność do tworzenia pomysłów i obrazów zewnętrznych obiektów nieobecnych dla zmysłów - co jest coś zazwyczaj brak maszyny (patrz następny punkt na naszej liście). Są świetne na przetwarzanie bezpośrednie wejście z czujników, kamer i skanerów, ale nie tak wielki na tworząc koncepcje, które istnieją poza wszystkich tych danych zmysłowych. Największa

W przyszłości roboty mogą być lepiej zorientowani w oszustwa choć. Naukowcy Georgia Tech w stanie przekazać pewne zwodnicze umiejętności wiewiórki do roboty w swoim laboratorium. Po pierwsze, studiował fuzzy gryzonie, które chronią swoje składy pochowany żywności przez głównych konkurentów do starych, nieużywanych buforów. Potem zakodowana tych zachowań na prostych zasadach i załadowano ich do mózgów swoich robotów. Urządzenia były w stanie wykorzystać algorytmy w celu określenia, czy oszustwo może być użyteczne w danej sytuacji. Jeśli tak, to byli to w stanie zapewnić fałszywy komunikat, który doprowadził bota towarzysz z dala od ich kryjówki Największa 5: przewidywanie ludzkich działań

"

Page [1] [2] [3] [4] [5] [6] [7] [8]