Компьютерные новости
Все разделы
Робот "Эйнштейн" сам научился улыбаться и хмуриться
Исследователи университета Калифорнии в Сан-Диего (UCSD) использовали специальную программу, которая позволила их роботу самостоятельно обучиться воспроизводить реалистичную мимику лица человека.
"Насколько нам известно, не существует других исследовательских групп, которые бы использовали подобную технологию самообучения, чтобы научить робота мимике", - говорит один из разработчиков, Тин Фань У (Tingfan Wu).
Голова робота "Эйнштейна" имеет приблизительно 30 лицевых мышц, каждая из которых приводится в движение миниатюрным серводвигателем. Сейчас специально подготовленный персонал вручную создает комбинации, в которых должны работать моторы, чтобы у робота получалось максимально реалистичное выражение лица. Для автоматизации этого процесса исследователи UCSD обратились к психологии развития человека и машинному обучению.
Психологи, изучающие развитие ребенка, предполагают, что младенцы учатся управлять своими телами через систематические исследовательские движения, включая бормотание, чтобы учиться говорить. Первоначально, эти движения, кажутся иррациональными, так как дети только учатся управлять своими телами и использовать предметы. “Мы применяли именно эту идею к решению проблемы робота, обучающегося воспроизводить реалистичную мимику лица”, - говорит руководитель исследовательского направления Хавьер Мовеллан (Javier Movellan).
Чтобы начать процесс обучения, исследователи "позволили" голове робота "Эйнштейна" вращаться во всех направлениях и воспроизводить произвольную мимику, осуществлять процесс, названный “body babbling” (дословно: "бормотание тела"). Во время этого процесса робот мог видеть себя в зеркале и анализировать собственное выражение лица, используя специализированное программное обеспечение. Это позволило получить все необходимы данные для алгоритмов устройства со средствами самообучения.
“Во время эксперимента один из сервомоторов вышел из строя. Мы продолжили выполнение эксперимента без этой детали и обнаружили, что модель училась автоматически компенсировать недостающий сервомотор, активизируя комбинацию соседних сервомоторов”, - слова авторов доклада, сделанного на Международной конференции IEEE по вопросам разработки и исследований (2009 г.)
