A collaboration between development

A collaboration between developmental psychologists and computer scientists has demonstrated that robots can "learn" much like babies - by experiencing the world and eventually imitating humans.

Babies learn about the world by exploring how their bodies move in space, grabbing toys, pushing things off tables and by watching and imitating what adults are doing.

But when roboticists want to teach a robot how to do a task, they typically either write code or physically move a robot's arm or body to show it how to perform an action.

Now a collaboration between University of Washington developmental psychologists and computer scientists has demonstrated that robots can "learn" much like kids -- by amassing data through exploration, watching a human perform a task and determining how best to carry out that task on its own.

"You can look at this as a first step in building robots that can learn from humans in the same way that infants learn from humans," said senior author Rajesh Rao, a UW professor of computer science and engineering.

"If you want people who don't know anything about computer programming to be able to teach a robot, the way to do it is through demonstration -- showing the robot how to clean your dishes, fold your clothes, or do household chores. But to achieve that goal, you need the robot to be able to understand those actions and perform them on their own."

The research, which combines child development research from the UW's Institute for Learning & Brain Sciences Lab (I-LABS) with machine learning approaches, was published in a paper in November in the journal PLOS ONE.

In the paper, the UW team developed a new probabilistic model aimed at solving this fundamental challenge in robotics: building robots that can learn new skills by watching people and imitating them.

The roboticists collaborated with UW psychology professor and I-LABS co-director Andrew Meltzoff, whose seminal research has shown that children as young as 18 months can infer the goal of an adult's actions and develop alternate ways of reaching that goal themselves.

In one example, infants saw an adult try to pull apart a barbell-shaped toy, but the adult failed to achieve that goal because the toy was stuck together and his hands slipped off the ends. The infants watched carefully and then decided to use alternate methods -- they wrapped their tiny fingers all the way around the ends and yanked especially hard -- duplicating what the adult intended to do.

Children acquire intention-reading skills, in part, through self-exploration that helps them learn the laws of physics and how their own actions influence objects, eventually allowing them to amass enough knowledge to learn from others and to interpret their intentions. Meltzoff thinks that one of the reasons babies learn so quickly is that they are so playful.

"Babies engage in what looks like mindless play, but this enables future learning. It's a baby's secret sauce for innovation," Meltzoff said. "If they're trying to figure out how to work a new toy, they're actually using knowledge they gained by playing with other toys. During play they're learning a mental model of how their actions cause changes in the world. And once you have that model you can begin to solve novel problems and start to predict someone else's intentions."

Rao's team used that research on babies to develop machine learning algorithms that allow a robot to explore how its own actions result in different outcomes. Then it uses that learned probabilistic model to infer what a human wants it to do and complete the task, and even to "ask" for help if it's not certain it can.

The team tested its robotic model in two different scenarios: a computer simulation experiment in which a robot learns to follow a human's gaze, and another experiment in which an actual robot learns to imitate human actions involving moving toy food objects to different areas on a tabletop.

In the gaze experiment, the robot learns a model of its own head movements and assumes that the human's head is governed by the same rules. The robot tracks the beginning and ending points of a human's head movements as the human looks across the room and uses that information to figure out where the person is looking. The robot then uses its learned model of head movements to fixate on the same location as the human.

The team also recreated one of Meltzoff's tests that showed infants who had experience with visual barriers and blindfolds weren't interested in looking where a blindfolded adult was looking, because they understood the person couldn't actually see. Once the team enabled the robot to "learn" what the consequences of being blindfolded were, it no longer followed the human's head movement to look at the same spot.

"Babies use their own self-experience to interpret the behavior of others -- and so did our robot," said Meltzoff.

In the second experiment, the team allowed a robot to experiment with pushing or picking up different objects and moving them around a tabletop. The robot used that model to imitate a human who moved objects around or cleared everything off the tabletop. Rather than rigidly mimicking the human action each time, the robot sometimes used different means to achieve the same ends.

"If the human pushes an object to a new location, it may be easier and more reliable for a robot with a gripper to pick it up to move it there rather than push it," said lead author Michael Jae-Yoon Chung, a UW doctoral student in computer science and engineering. "But that requires knowing what the goal is, which is a hard problem in robotics and which our paper tries to address."

Though the initial experiments involved learning how to infer goals and imitate simple behaviors, the team plans to explore how such a model can help robots learn more complicated tasks.

"Babies learn through their own play and by watching others," says Meltzoff, "and they are the best learners on the planet -- why not design robots that learn as effortlessly as a child?"

The research was funded by the Office of Naval Research, National Science Foundation and Intel.

Co-authors include UW computer science and engineering doctoral student Abram Friesen and professor Dieter Fox.

Kết quả (Việt) 1:

Áo phông hợp tác phát triển của nhà tâm lý học và các nhà khoa học máy tính đã chứng minh rằng robot có thể "Tìm hiểu" nhiều như trẻ sơ sinh - bởi trải qua thế giới và cuối cùng bắt chước con người.Trẻ sơ sinh tìm hiểu về thế giới của khám phá làm thế nào các cơ quan của họ di chuyển trong không gian, grabbing đồ chơi, đẩy những điều ra khỏi bảng và bằng cách xem và bắt chước người lớn đã làm gì.Nhưng khi roboticists muốn dạy cho một robot làm thế nào để làm một nhiệm vụ, họ thường hoặc viết mã hoặc thể chất di chuyển một robot cánh tay hoặc cơ thể để hiển thị nó làm thế nào để thực hiện một hành động.Bây giờ một sự hợp tác giữa đại học Washington phát triển của nhà tâm lý học và các nhà khoa học máy tính đã chứng minh rằng robot có thể "Tìm hiểu" giống như trẻ em--bởi tích lũy dữ liệu thông qua thăm dò, xem một con người thực hiện một nhiệm vụ và xác định cách tốt nhất để thực hiện nhiệm vụ đó ngày của riêng mình."Bạn có thể nhìn vào điều này như một bước đầu tiên trong việc xây dựng robot có thể học hỏi từ con người trong cùng một cách mà trẻ sơ sinh học từ con người," ông cấp cao tác giả Rajesh Rao, một giáo sư UW khoa học máy tính và kỹ thuật."Nếu bạn muốn những người không biết bất cứ điều gì về lập trình máy tính để có thể dạy cho một robot, cách để làm điều đó là thông qua các cuộc biểu tình - thấy robot làm thế nào để làm sạch các món ăn, gấp quần áo của bạn, hoặc làm công việc nhà. Nhưng để đạt được mục tiêu đó, bạn cần các robot để có thể hiểu những hành động và thực hiện chúng mình."Nghiên cứu kết hợp trẻ em nghiên cứu phát triển từ UW của viện học tập & não khoa học phòng thí nghiệm (I-LABS) với phương pháp tiếp cận máy học, đã được xuất bản trong một bài báo trong tháng mười một trong tạp chí PLOS một.Trong giấy, đội UW đã phát triển một mô hình xác suất mới nhằm giải quyết các thách thức này cơ bản robot: xây dựng robot có thể tìm hiểu kỹ năng mới bằng cách xem người và bắt chước họ.Các roboticists cộng tác với giáo sư tâm lý học UW và tôi-LABS đồng giám đốc Andrew Meltzoff, hội thảo nghiên cứu đã chỉ ra rằng trẻ em như là trẻ 18 tháng có thể suy ra mục đích của hành động của một người trưởng thành và phát triển thay thế những cách tiếp cận mục tiêu đó.Trong một ví dụ, trẻ sơ sinh đã thấy một cố gắng dành cho người lớn để kéo nhau một món đồ chơi hình tạ, nhưng người lớn thất bại trong việc đạt được mục tiêu đó bởi vì những đồ chơi đã bị mắc kẹt với nhau và tay trượt ra khỏi các kết thúc. Các trẻ sơ sinh theo dõi cẩn thận và sau đó quyết định sử dụng phương pháp thay thế--họ bọc ngón tay nhỏ tất cả các con đường xung quanh kết thúc và yanked đặc biệt khó khăn - sao chép những gì người lớn dự định làm.Trẻ em có được ý định-đọc kỹ năng, một phần, thông qua thăm dò tự giúp họ tìm hiểu pháp luật của vật lý và cách hành động của riêng của họ ảnh hưởng đến các đối tượng, cuối cùng cho phép họ để tích lũy đủ kiến thức để tìm hiểu từ những người khác và để giải thích ý định của họ. Meltzoff nghĩ rằng một trong những lý do mà em bé tìm hiểu để nhanh chóng là họ như vậy vui tươi."Em bé tham gia vào những gì trông giống như mindless chơi, nhưng điều này cho phép học tập trong tương lai. Nó là một em bé bí mật sốt cho sự đổi mới,"Meltzoff nói. "Nếu họ đang cố gắng tìm hiểu làm thế nào để làm việc một đồ chơi mới, họ đang thực sự sử dụng kiến thức họ thu được bằng cách chơi với đồ chơi khác. Trong khi chơi họ đang học tập một mô hình tinh thần của cách hành động của họ gây ra những thay đổi trên thế giới. "Và một khi bạn có mô hình mà bạn có thể bắt đầu để giải quyết vấn đề tiểu thuyết và bắt đầu để dự đoán ý định của người khác."Rao của nhóm sử dụng rằng nghiên cứu trên trẻ sơ sinh để phát triển các thuật toán học máy cho phép một robot để khám phá cách riêng của mình hành động dẫn đến kết quả khác nhau. Sau đó, nó sử dụng mà học được các mô hình xác suất để suy ra những gì một con người muốn nó để làm và hoàn thành nhiệm vụ, và thậm chí để "yêu cầu" để được giúp đỡ nếu nó không phải là nhất định nó có thể.Nhóm nghiên cứu thử nghiệm mô hình robot của mình trong hai kịch bản khác nhau: một mô phỏng máy tính thử nghiệm trong đó một robot học theo chiêm ngưỡng của một con người, và một thử nghiệm trong đó một robot thực tế học để bắt chước con người hành động liên quan đến đối tượng thực phẩm đồ chơi di chuyển sang các lĩnh vực khác nhau trên một bàn.Trong thử nghiệm chiêm ngưỡng, robot học một mô hình của phong trào đầu riêng của mình và giả định rằng đầu của con người được quản lý bởi các quy tắc tương tự. Các robot theo dõi bắt đầu và kết thúc điểm của phong trào đầu của con người như con người trông qua phòng và sử dụng thông tin đó để tìm ra nơi mà những người tìm kiếm. Các robot sau đó sử dụng mô hình học của phong trào đầu để fixate vào cùng một vị trí như là con người.Nhóm nghiên cứu cũng tái tạo một bài kiểm tra của Meltzoff cho thấy trẻ sơ sinh người đã có kinh nghiệm với hàng rào trực quan và blindfolds không quan tâm trong việc tìm kiếm nơi một người lớn blindfolded đã tìm kiếm, bởi vì họ hiểu những người thực sự không thể nhìn thấy. Sau khi các đội bật các robot để "Tìm hiểu" những gì các hậu quả của bịt mắt là, nó không còn theo phong trào đầu của con người để nhìn vào cùng một chỗ."Em bé sử dụng tự kinh nghiệm riêng của họ để giải thích hành vi của những người khác - và vì vậy đã làm robot của chúng tôi," ông Meltzoff.Trong thử nghiệm thứ hai, các đội được cho phép một robot để thử nghiệm với đẩy hoặc chọn lên các đối tượng khác nhau và di chuyển chúng xung quanh một bàn. Robot sử dụng mô hình đó để bắt chước một con người di chuyển các đối tượng xung quanh hoặc xóa tất cả mọi thứ tắt bàn. Chứ không phải là cứng nhắc bắt chước các hành động của con người mỗi lần, robot đôi khi sử dụng phương tiện khác nhau để đạt được cùng một kết thúc."Nếu con người đẩy một đối tượng vào một vị trí mới, nó có thể được dễ dàng hơn và đáng tin cậy hơn cho một robot với một gripper để nhặt nó lên để di chuyển nó ở đó chứ không phải là đẩy nó," cho biết tác giả Michael Jae-Yoon Chung, một sinh viên tiến sĩ UW trong khoa học máy tính và kỹ thuật. "Nhưng mà đòi hỏi phải biết mục tiêu là gì, mà là một vấn đề khó khăn robot và mà giấy của chúng tôi cố gắng đến địa chỉ."Mặc dù thử nghiệm ban đầu liên quan đến học tập làm thế nào để suy ra mục tiêu và bắt chước hành vi đơn giản, team kế hoạch để tìm hiểu làm thế nào như một mô hình có thể giúp robot tìm hiểu công việc phức tạp hơn."Em bé học thông qua chơi riêng của họ và bằng cách xem những người khác," ông Meltzoff, "và họ là những người học tốt nhất trên hành tinh - lý do tại sao không thiết kế robot tìm hiểu dễ dàng như một đứa trẻ?"Các nghiên cứu được tài trợ bởi văn phòng nghiên cứu Hải quân, National Science Foundation, Intel.Đồng tác giả bao gồm UW máy tính khoa học và kỹ thuật sinh viên tiến sĩ Abram Friesen và giáo sư Dieter Fox.

Kết quả (Việt) 2:

Một sự hợp tác giữa các nhà tâm lý học và các nhà khoa học máy tính đã chứng minh rằng những robot có thể "học" nhiều như những đứa trẻ -. Bằng trải nghiệm thế giới và cuối cùng bắt chước con người

Trẻ tìm hiểu về thế giới bằng cách khám phá làm thế nào cơ thể của họ di chuyển trong không gian, lấy đồ chơi, đẩy vật tắt bảng và bằng cách quan sát và bắt chước những gì người lớn đang làm. Nhưng khi rô-bốt học muốn dạy một robot như thế nào để làm một công việc, họ thường thể viết mã hoặc thể chất di chuyển cánh tay của robot hoặc cơ thể để thể hiện nó như thế nào để thực hiện một hành động. Bây giờ một hợp tác giữa Đại học Washington tâm lý học và các nhà khoa học máy tính đã chứng minh rằng những robot có thể "học" nhiều như những đứa trẻ -. do tích lũy dữ liệu thông qua thăm dò, xem một con người thực hiện một nhiệm vụ và xác định cách tốt nhất để thực hiện nhiệm vụ riêng của mình "Bạn có thể xem xét điều này như là một bước đầu tiên trong việc xây dựng các robot có thể học hỏi từ con người trong cùng một cách mà trẻ học được từ con người, "tác giả Rajesh Rao, một giáo sư thuộc đại học Washington khoa học máy tính và kỹ thuật cho biết." Nếu bạn muốn mọi người không biết gì về lập trình máy tính để có thể dạy cho một robot, các cách để làm điều đó là thông qua trình diễn - cho thấy các robot như thế nào để làm sạch các món ăn của bạn, gấp quần áo của bạn, hoặc làm việc nhà. Nhưng để đạt được mục tiêu đó, bạn cần robot để có thể hiểu được những hành động và thực hiện chúng trên của họ. "Các nghiên cứu, kết hợp nghiên cứu phát triển của trẻ từ Viện của UW cho việc học tập & Brain Sciences Lab (I-LABS) với máy . phương pháp học tập, được công bố trong một bài báo vào tháng trên tạp chí PLoS ONE Trong nghiên cứu, các nhóm nghiên cứu đã phát triển một mô hình xác suất mới nhằm giải quyết thách thức này cơ bản về robot: xây dựng robot có thể học các kỹ năng mới bằng cách xem mọi người và bắt chước chúng . Các rô-bốt học cộng tác với giáo sư tâm lý học UW và I-LABS đồng giám đốc Andrew Meltzoff, mà nghiên cứu tinh đã chỉ ra rằng trẻ em từ 18 tháng có thể suy ra các mục tiêu của các hành động của người lớn và phát triển những cách thay thế năng đạt được mục tiêu đó bản thân mình. Trong một Ví dụ, trẻ nhìn thấy một người lớn cố gắng kéo nhau một món đồ chơi barbell hình, nhưng người lớn thất bại trong việc đạt được mục tiêu bởi vì các đồ chơi đã bị mắc kẹt với nhau và bàn tay của mình trượt khỏi đầu The trẻ theo dõi cẩn thận và sau đó quyết định sử dụng phương pháp thay thế. - - họ quấn ngón tay bé nhỏ của họ tất cả các con đường xung quanh đầu và kéo mạnh đặc biệt khó khăn -. nhân đôi những gì mà người lớn có ý định làm cho trẻ em được các kỹ năng ý định đọc, một phần, thông qua tự thăm dò đó giúp họ tìm hiểu các quy luật vật lý và làm thế nào hành động của họ ảnh hưởng đến các đối tượng, cuối cùng cho phép họ tích lũy đủ kiến thức để học hỏi từ những người khác và giải thích ý định của họ. Meltzoff cho rằng một trong những lý do em bé học rất nhanh là họ rất vui tươi. "Trẻ tham gia vào những gì trông giống như chơi mindless, nhưng điều này cho phép học tập trong tương lai. Đó là bí quyết của đứa bé về sự đổi mới," Meltzoff nói. "Nếu họ đang cố gắng tìm hiểu làm thế nào để làm việc một món đồ chơi mới, họ đang thực sự sử dụng kiến thức mà họ đã đạt được bằng cách chơi với các đồ chơi khác. Trong thời gian chơi mà họ đang học một mô hình về tinh thần như thế nào hành động của họ gây ra những thay đổi trên thế giới. Và một khi bạn có mô hình mà bạn có thể bắt đầu để giải quyết các vấn đề mới lạ và bắt đầu để dự đoán ý định của người khác. "đội Rao sử dụng nghiên cứu trên trẻ sơ sinh để phát triển thuật toán máy học cho phép một robot để khám phá các hành động riêng của mình dẫn đến như thế nào trong các kết quả khác nhau. . Sau đó nó sử dụng đó học được mô hình xác suất để suy ra những gì một con người muốn nó để làm và hoàn thành nhiệm vụ, và thậm chí để "yêu cầu" giúp đỡ nếu nó không nhất định nó có thể Nhóm đã kiểm tra mô hình robot của mình trong hai kịch bản khác nhau: một mô phỏng máy tính thí nghiệm trong đó một robot biết đi theo cái nhìn của con người, và một thí nghiệm trong đó một robot thực tế học để bắt chước hành động của con người liên quan đến các đối tượng chuyển thực phẩm đồ chơi đến các khu vực khác nhau trên một bàn. Trong thí nghiệm nhìn, robot học được một mô hình riêng của mình cử động của đầu và giả định rằng cái đầu của con người bị chi phối bởi các quy tắc tương tự. Các robot theo dõi sự bắt đầu và kết thúc điểm của các phong trào đầu của một con người là con người nhìn xung quanh phòng và sử dụng thông tin đó để tìm ra nơi người đang tìm kiếm. Robot sau đó sử dụng mô hình học của biến động đầu vào fixate trên cùng một vị trí như những con người. Nhóm nghiên cứu cũng đã tái tạo một trong các bài kiểm tra Meltzoff của cho thấy trẻ có kinh nghiệm với các rào cản thị giác và bịt mắt là không quan tâm đến việc tìm kiếm nơi một người lớn bị bịt mắt là tìm kiếm, bởi vì họ đã hiểu người đó có thể không thực sự nhìn thấy. Sau khi nhóm cho phép các robot để "tìm hiểu" những gì hậu quả của việc bị bịt mắt là, nó không còn theo phong trào đầu của con người để nhìn vào cùng một chỗ. "Trẻ sử dụng tự kinh nghiệm riêng của họ để giải thích hành vi của người khác - và do đó đã làm robot của chúng tôi, "Meltzoff nói. Trong thí nghiệm thứ hai, nhóm nghiên cứu cho một robot để thử nghiệm với đẩy hoặc chọn lên các đối tượng khác nhau và di chuyển chúng xung quanh một bàn. Các robot được sử dụng mô hình đó để bắt chước một con người di chuyển các đối tượng xung quanh hoặc xóa tất cả mọi thứ ra khỏi bàn. Thay vì cứng nhắc bắt chước các hành động của con người mỗi lần, robot đôi khi sử dụng phương tiện khác nhau để đạt được các mục đích tương tự. "Nếu con người đẩy một đối tượng đến một vị trí mới, nó có thể được dễ dàng hơn và đáng tin cậy hơn cho một robot với một kẹp để nhặt nó up để di chuyển nó ở đó hơn là đẩy nó ", tác giả Michael Jae-Yoon Chung, một tiến sĩ khoa học máy tính tại Đại học Washington và kỹ thuật cho biết. "Nhưng điều đó đòi hỏi phải biết những gì mục tiêu là, đó là một vấn đề khó khăn trong robot và đó giấy của chúng tôi sẽ cố gắng để giải quyết." Mặc dù các thí nghiệm ban đầu liên quan đến học tập như thế nào để suy ra các mục tiêu và bắt chước hành vi đơn giản, nhóm nghiên cứu có kế hoạch để khám phá làm thế nào một mô hình như vậy có thể giúp robot tìm hiểu nhiệm vụ phức tạp hơn. "Trẻ học bằng cách chơi của riêng mình và bằng cách xem những người khác," nói Meltzoff, "và họ là những người học tốt nhất trên hành tinh - tại sao không thiết kế robot có thể học hỏi như dễ dàng như một đứa trẻ?" Các nghiên cứu được tài trợ bởi Văn phòng Nghiên cứu Hải quân, Quỹ Khoa học Quốc gia và Intel. Các đồng tác giả bao gồm khoa học UW máy tính và kỹ thuật sinh tiến sĩ Abram Friesen và giáo sư Dieter Fox.