El aprendizaje colaborativo - para robots

El aprendizaje colaborativo - para robots
Algoritmo permite a los agentes independientes producen colectivamente un modelo de máquina-aprendizaje sin agregación de datos.

El aprendizaje automático, en el que los ordenadores aprendan nuevas habilidades mediante la búsqueda de patrones en los datos de entrenamiento, es la base de la mayoría de los recientes avances en la inteligenciaartificial, los sistemas de reconocimiento de voz a los coches de auto-estacionamiento. Es también la técnica que los robots autónomos suelen utilizar para construir modelos de sus entornos.
Ese tipo de construcción de modelos se complica, sin embargo, en los casos en los que grupos de robots trabajan como equipo. Los robots pueden haber reunido información que, colectivamente, se producen un buenmodelo, pero que, de forma individual, es casi inútil. Si las restricciones sobre el poder, la comunicación, o la computación significa que los robots no pueden poner en común sus datos en un solo lugar, ¿cómo van a construir colectivamente un modelo?
En la incertidumbre en conferencia de Inteligencia Artificial en julio, los investigadores del Laboratorio del MIT para la información y la toma deSistemas responderán esa pregunta.Presentan un algoritmo en el que los agentes distribuidos - como robots que exploran un edificio - recoger datos y analizarlos de forma independiente. Las parejas de agentes, como los robots que pasan el uno al otro en el pasillo, a continuación, analiza el intercambio.
En experimentos con varios conjuntos de datos diferentes, algoritmo distribuido de losinvestigadores en realidad superó a un algoritmo estándar que funciona en los datos agregados en un solo lugar.
"Un solo equipo tiene un problema de optimización muy difícil de resolver con el fin de aprender un modelo a partir de un único lote gigante de los datos, y puede quedar atrapado en malas soluciones", dice Trevor Campbell, un estudiante graduado en la aeronáutica y astronáutica en el MIT, queescribió el nuevo papel con su asesor, Jonathan Cómo, el Richard Cockburn Maclaurin profesor de Aeronáutica y Astronáutica. "Si trozos más pequeños de datos son primero procesados ​​por los robots individuales y luego se combinan, el modelo final es menos probable que se atascan en una mala solución."
Campbell dice que la obra fue motivada por preguntas sobre la colaboración robot. Pero tambiénpodría tener implicaciones para los grandes datos, ya que permitiría a los servidores distribuidos de combinar los resultados de su análisis de los datos, sin agregación de los datos en una ubicación central.
"Este procedimiento es completamente sólida a casi cualquier red que se pueda imaginar", dice Campbell. "Es en gran medida un algoritmo de aprendizaje flexible para redes descentralizadas."Problema a juego
Para tener una idea del problema Campbell y cómo resolver, imaginar un equipo de robots que exploran un edificio de oficinas desconocido. Si su algoritmo de aprendizaje es lo suficientemente general, ellos no tienen ninguna noción previa de qué es una silla o una mesa, por no hablar de una sala de conferencias o una oficina. Pero podrían determinar, por ejemplo, que algunashabitaciones contienen un pequeño número de objetos en forma de silla-junto con aproximadamente el mismo número de objetos en forma de tabla, mientras que otras habitaciones contienen un gran número de objetos en forma de silla-junto con una sola tabla- objeto en forma.
Con el tiempo, cada robot va a construir su propio catálogo de tipos de habitaciones y sus contenidos. Pero imprecisiones suelencolarse: Un robot, por ejemplo, podría suceder a encontrar una sala de conferencias en la que algún viajero ha dejado una maleta y la conclusión de que las maletas son características habituales de las salas de conferencias.Otro podría entrar en una cocina, mientras que la cafetera está oscurecida por la puerta de la nevera abierta y dejar la cafetera fuera su inventario de artículos de cocina....