布萊恩的創業小窩

AI 導盲犬真能取代真正的導盲犬嗎?那可不一定!一起來看看原因為何~ 目錄 導盲犬供不應求 研究團隊研發AI導盲犬 由「小獵豹」四足機器人所延伸出的機器導盲犬 AI真能取代導盲犬？機器無法做到情感連結！   過去 人工智慧 用於視障輔助的應用，有幫助助視障朋友「看見」世界的  Google AI 眼鏡「Google EE2」 、 幫助視障人士獨立完成路跑的人工智慧系統「Project Guideline」 等，而現在礙於導盲犬供不應求的狀況，因此未來  AI 四足機器人 可望被應用來為視障朋友領路。   導盲犬供不應求 研究團隊研發AI導盲犬 導盲犬是一種工作犬，工作是代替視障人士的雙眼，為他們領路，也被稱為「盲人的第二雙眼睛」。 然而，導盲犬因訓練不易、耗時且成本高昂，使得導盲犬的使用率在各國普遍都不高。以台灣為例，目前全台約有 42 位導盲犬使用者，由台灣導盲犬協會訓練的有 36 隻；但根據內政部登記，全台視障者約 6 萬名，以國際導盲犬聯盟給的理想比例 1：100 來算，台灣至少需要 600 隻導盲犬，才足夠服務全台的視障者。 最常被訓練成為導盲犬的犬種有拉布拉多（左上）、黃金獵犬（右上）及德國牧羊犬（左下）等。右下角圖為柏克萊大學之研究團隊研發出的機器導盲犬雛形。 因此，如何免去高額的成本、漫長的適應與學習過程，開發出方便、實用且可大量製造低成本之導盲機器，就成為許多科學家致力研究的主題。 而近期，有一組來自美國柏克萊大學的研究團隊，正嘗試研發一款可以替代導盲犬的「四足機器人」，配有雷射測距系統、攝影鏡頭並且導入可學習認路、貼近使用者走路習慣的  AI （ 人工智慧 ）技術，輔助視障者安全地通過各種障礙及狹窄的空間。   由「小獵豹」四足機器人所延伸出的機器導盲犬 目前的足行機器人大致可分成二足、四足、六足與以上，其中 四足機器人 的優勢在於比兩足機器人高的穩定度、比六足機器人快的行進速度，因此成為許多科學團隊研發的目標，過去亦有許多知名的四足機器人。 而柏克萊大學的研究團隊，正是參考了麻省理工學院的 Biomimetic Robotics Lab 研發的豹型四足機器人「Mini Cheeta...

你覺得四足機器人在人工智慧技術中潛力如何?是不是也能像自駕車一樣飛速進步? 讓機器人能自立自強的 人工智慧 技術 而 Google 研究人員的下一個目標，就是如何用最少的人力、讓機器人在現實世界中正常運作。 儘管機械手臂的技術已經大有突破，比如同樣為 Google 研發人員設計的分散式 Q 學習演算法（QT-Opt）。但是，將相同的方法應用於四足機器人卻很困難，因四足機器人更可能會因事故損壞自身、離開訓練區域，相較之下更需要人工干預。 ▲四足機器人的自動化學習系統面臨安全性與自動化的挑戰。 首先研究人員通過多任務學習（multitask learning）生成，將機器人驅動到工作空間，防止機器人離開訓練區域；並通過設計安全約束，將機器人跌倒的次數降到最低。 例如：若當前有兩項任務，「向前」與「向後」行走。如果機器人處在工作區的後面，調度程序將選擇「向前」任務，反之亦然。如果機器人掉落，則將調用自動起身控制器，接著進行下一個任務。 該框架成功地訓練了從無到有的策略，無需人工干預，機器人就可以朝不同的方向走，還使機器人能挑戰非平坦的地面，例如記憶泡棉床墊和鏤空的地墊。   四足機器人的未來展望 四足機器人能夠像真正的狗一樣走路，但當然，它依然有不足之處：由於算法和硬體的限制，它不能完成高度動態的行為，像是大幅度的跳躍。另外，它也不比全手動設計的控制器穩定；且在被絆倒後，雖能重新站起來，但仍然會變得不甚靈活。 不過即使如此，研究人員相信，他們的方法可以促進 人工智慧 機器人的發展，未來更能獨立運作，足以完成現實世界中的工作，像是在多層倉庫或是訂單履行中心裡運輸物料；並表示，未來也有興趣繼續研發，將自動培訓系統應用於更複雜的現實環境中。 本篇為下篇，上篇請點此 連結 延伸閱讀文章： 這年頭,連人工智慧也要拜狗狗為師呢!(上) 看完這24點,在學習Python時冤枉路會少走很多啊!!! 這人工智慧的甩尾技術,竟也讓方程式冠軍選手苦哈哈!?(下) AI人工智慧救地球！Google：AI 保護環境還比人類快 3000 倍 CSS教學-display與visible屬性介紹 用Python寫出唐鳳「番茄鐘工作法」程式，讓AI幫你集中注意力! AI機器狗Ai...

狗狗何時也成為人工智慧的導師了?不要懷疑,就是現在! 人工智慧居然還需要拜狗狗為師?別小看這些厲害的毛小孩~ Google 人工智慧  研究團隊最新發表的機器人研究日誌中，詳細介紹了他們所研發的四足機器人如何流暢動作和透過 AI 技術自學行走。 目前的機器人仍需要許多人工參與，而 Google 建立的技術，讓機器人只需 8 分鐘的動作資料，就能自己學會向前、向後以及左右轉彎等運動，再也不用常常得扶起翻倒的機器人。   Google 人工智慧 研究員讓機器人「向狗學習」 為了開發出行動敏捷且不需要人工協助的機器人，Google 的 人工智慧 機器人研究科學家可說是日日夜夜絞盡腦汁！在觀察到自然界各種動物矯健又不費力的身手後──如翻身飛躍咬住飛盤的狗兒；研究人員終於決定向大自然取經，讓這些動作靈巧的小生物擔任機器人的老師，學習快速流暢的動作。 運動模仿、強化學習與自適應控制技術 研究人員先建立一套能夠模仿學習的 人工智慧 技術，旨在讓四足機器人可以通過模仿真實世界的狗來學習敏捷的動作。 首先，研究人員會捕捉真狗的各種動作，像是小跑、跳躍、起身等等， 做為機器人執行各種技能的參考運動，並使用強化學習（Reinforcement Learning；RL）技術訓練控制策略，以仿效真實狗狗的動作。 ▲強化學習技術用於訓練模擬機器人來仿效狗的動作。 在物理模擬的策略訓練上，通過對不同的參考運動使用不同的獎勵函數，在每個連續時步密切跟蹤參照的動作，訓練模擬機器人模仿各種不同的動態。 研究人員先在模擬環境完成訓練機器人的策略，接著再使用自適應控制技術（Adaptive control）將訓練好的策略實現在真實世界中，利用真實機器人的資料，高效地自適應策略，使研究人員能「教」一台四足機器人快走、跳躍或轉彎。 但由於模擬終究是無法匹敵真實，模擬中訓練的策略應用在真實機器人上一直效果不甚佳。 為此，研究人員使用潛在空間（Latent Space）適應技術，通過改變機器人的質量和摩擦等物理量來隨機化模擬訓練中的動力學，將數值用編碼器映射到一個數字表示（即編碼），在訓練過程中將此編碼作為附加輸入傳遞給控制策略，當將該策略部署到一個真實的機器人上時，研究人員刪除編碼器，...