రెండేళ్ల కిందటే, కృత్రిమ మేధస్సు మూలకాలతో నిరంతరం నేర్చుకునే రోబోటిక్ సిస్టమ్‌లను రూపొందించడానికి DARPA లైఫ్‌లాంగ్ లెర్నింగ్ మెషీన్స్ (L2M) ప్రోగ్రామ్‌ను ప్రారంభించింది. L2M ప్రోగ్రామ్ స్వీయ-అభ్యాస ప్లాట్‌ఫారమ్‌ల ఆవిర్భావానికి దారితీసింది, ఇది ముందస్తు ప్రోగ్రామింగ్ లేదా శిక్షణ లేకుండా కొత్త వాతావరణానికి అనుగుణంగా ఉంటుంది. సరళంగా చెప్పాలంటే, రోబోట్‌లు తమ తప్పుల నుండి నేర్చుకోవాలి మరియు ప్రయోగశాల వాతావరణంలో టెంప్లేట్ డేటా సెట్‌లను పంపింగ్ చేయడం ద్వారా నేర్చుకోలేదు.
L2M ప్రోగ్రామ్‌లో వివిధ రకాల నిధులతో 30 పరిశోధన సమూహాలు ఉంటాయి. ఇటీవలే, యూనివర్శిటీ ఆఫ్ సదరన్ కాలిఫోర్నియాకు చెందిన గ్రూప్‌లలో ఒకటి నేచర్ మెషిన్ ఇంటెలిజెన్స్ యొక్క మార్చి సంచికలో నివేదించినట్లుగా, స్వీయ-అభ్యాస రోబోటిక్ ప్లాట్‌ఫారమ్‌లను రూపొందించడంలో నమ్మకమైన పురోగతిని చూపించింది.
విశ్వవిద్యాలయం నుండి పరిశోధకుల బృందానికి బయోమెడికల్ ఇంజనీరింగ్, బయోకినిషియాలజీ మరియు ఫిజికల్ థెరపీ ప్రొఫెసర్ అయిన ఫ్రాన్సిస్కో J. వాలెరో-క్యూవాస్ నాయకత్వం వహిస్తున్నారు. జీవుల పనితీరు యొక్క కొన్ని యంత్రాంగాలపై ఆధారపడిన సమూహం అభివృద్ధి చేసిన అల్గోరిథం ఆధారంగా, నాలుగు అవయవాలపై రోబోట్ కదలికలను నేర్పడానికి కృత్రిమ మేధస్సు చర్యల క్రమం సృష్టించబడింది. అనుకరణ స్నాయువులు, కండరాలు మరియు ఎముకల రూపంలో కృత్రిమ అవయవాలు అల్గారిథమ్‌ను అమలు చేసిన తర్వాత ఐదు నిమిషాల్లో నడవడం నేర్చుకోగలవని నివేదించబడింది.
మొదటి ప్రయోగం తర్వాత, ప్రక్రియ క్రమరహితంగా మరియు అస్తవ్యస్తంగా ఉంది, కానీ AI త్వరగా వాస్తవాలకు అనుగుణంగా ఉండటం ప్రారంభించింది మరియు ముందస్తు ప్రోగ్రామింగ్ లేకుండా విజయవంతంగా నడవడం ప్రారంభించింది. భవిష్యత్తులో, డేటా సెట్‌లతో ప్రాథమిక ML శిక్షణ లేకుండా రోబోట్‌ల జీవితకాల శిక్షణ యొక్క సృష్టించబడిన పద్ధతి పౌర కార్లను ఆటోపైలట్‌లతో మరియు మిలిటరీ రోబోటిక్ వాహనాలకు అమర్చడానికి స్వీకరించబడుతుంది. అయినప్పటికీ, ఈ సాంకేతికత చాలా ఎక్కువ అవకాశాలు మరియు ఉపయోగ ప్రాంతాలను కలిగి ఉంది. ప్రధాన విషయం ఏమిటంటే, అల్గోరిథం ఒక వ్యక్తిని అభివృద్ధిలో అడ్డంకులలో ఒకటిగా గ్రహించదు మరియు చెడుగా ఏమీ నేర్చుకోదు.
మూలం: 3dnews.ru