• 本文來(lái)自微信公眾號(hào)【AI商業(yè)報(bào)道】

高層速讀

關(guān)鍵信息：華盛頓大學(xué)和艾倫AI研究所的研究人員試圖用狗的行為數(shù)據(jù)訓(xùn)練AI系統(tǒng)，他們通過(guò)傳感器等設(shè)備采集了一只愛(ài)斯基摩犬的運(yùn)動(dòng)數(shù)據(jù)，基于數(shù)據(jù)建立了一個(gè)犬類機(jī)器學(xué)習(xí)系統(tǒng)。

關(guān)鍵數(shù)據(jù)：研究員在犬的頭部裝了1個(gè)GoPro相機(jī)，6個(gè)慣性測(cè)量單元用以判斷物體的位置，1個(gè)麥克風(fēng)以及一個(gè)把這些數(shù)據(jù)綁在一起的Arduino開(kāi)發(fā)板。論文將于今年6月在CVPR上發(fā)表。

關(guān)鍵意義：利用犬類AI系統(tǒng)模仿和預(yù)測(cè)狗的行為，更好地理解視覺(jué)智能和其他智能生物。

目前人類已經(jīng)訓(xùn)練了機(jī)器學(xué)習(xí)系統(tǒng)來(lái)識(shí)別物體，道路導(dǎo)航和識(shí)別面部表情，盡管實(shí)現(xiàn)它們可能很困難，但絕對(duì)沒(méi)有達(dá)到模擬狗所需要的復(fù)雜程度。

華盛頓大學(xué)和艾倫AI研究所的研究人員試圖用狗的行為數(shù)據(jù)訓(xùn)練AI系統(tǒng)，他們通過(guò)傳感器等設(shè)備采集了一只愛(ài)斯基摩犬的運(yùn)動(dòng)數(shù)據(jù)，基于這些數(shù)據(jù)，建立了一個(gè)犬類機(jī)器學(xué)習(xí)系統(tǒng)。

▲愛(ài)斯基摩犬身上收集行為數(shù)據(jù)的裝置

這個(gè)系統(tǒng)的目的有三個(gè)：1、像狗一樣行動(dòng)，預(yù)測(cè)未來(lái)動(dòng)作；2、像狗一樣計(jì)劃任務(wù)；3、從狗行為中學(xué)習(xí)。最終的論文將于6月份在CVPR上發(fā)表。

為什么要這么做？

計(jì)算機(jī)視覺(jué)通常專注于解決與視覺(jué)智能相關(guān)的各種子任務(wù)。但我們偏離了這種標(biāo)準(zhǔn)的計(jì)算機(jī)視覺(jué)方法；相反，我們?cè)噲D直接建模一個(gè)視覺(jué)智能體（visually intelligent agent）。我們的模型將視覺(jué)信息作為輸入，并直接預(yù)測(cè)agent的行為。

盡管業(yè)界已經(jīng)做了很多工作來(lái)模擬感知的子任務(wù)，比如識(shí)別一個(gè)對(duì)象并將其拾取出來(lái)，但是在“理解視覺(jué)數(shù)據(jù)以使Agent能夠在視覺(jué)世界中采取行動(dòng)和執(zhí)行任務(wù)”方面卻做得很少。換句話說(shuō)，不是模擬眼睛的行為，而是模擬控制眼睛的主體。

為什么選擇狗？

因?yàn)樗麄兪?strong>足夠復(fù)雜的視覺(jué)智能體，狗很聰明，我們不知道它們?cè)谙胧裁矗虼恕八麄兊哪繕?biāo)和動(dòng)機(jī)是事先未知的。”作為對(duì)這一研究領(lǐng)域的第一次嘗試，研究小組想知道，如果通過(guò)密切監(jiān)測(cè)狗，并將其運(yùn)動(dòng)和行動(dòng)映射到它所看到的環(huán)境中，他們是否能夠創(chuàng)建一個(gè)系統(tǒng)，準(zhǔn)確地預(yù)測(cè)這些運(yùn)動(dòng)。

為了做到這一點(diǎn)，研究者把一套基礎(chǔ)傳感器裝在一只名叫Kelp M. Redmon的美國(guó)愛(ài)斯基摩犬身上。他們?cè)贙elp的頭部裝上1個(gè)GoPro相機(jī)，6個(gè)慣性測(cè)量單元（分別在腿、尾巴和身體上）用以判斷物體的位置，1個(gè)麥克風(fēng)以及一個(gè)把這些數(shù)據(jù)綁在一起的Arduino開(kāi)發(fā)板。

• 本文來(lái)自微信公眾號(hào)【AI商業(yè)報(bào)道】

他們記錄了Kelp許多小時(shí)的活動(dòng)：在不同的環(huán)境中散步、取東西、在公園玩耍、吃東西等。研究人員把狗的動(dòng)作和它所看到世界的同步起來(lái)，結(jié)果就產(chǎn)生了狗環(huán)境中以自我為中心的行為的數(shù)據(jù)集，該數(shù)據(jù)集稱為“DECADE數(shù)據(jù)集”，研究人員用數(shù)據(jù)集來(lái)訓(xùn)練一個(gè)犬類人工智能代理。

▲用于預(yù)測(cè)狗行為的模型

對(duì)這個(gè)agent，給定某種感官輸入——例如一個(gè)房間或街道的景象，或一個(gè)飛過(guò)的球——以預(yù)測(cè)狗在這種情況下會(huì)做什么。當(dāng)然，不用說(shuō)特別細(xì)節(jié)，哪怕只是弄清楚它的身體如何移動(dòng)，移向哪里，已經(jīng)是一項(xiàng)相當(dāng)重要的任務(wù)。

華盛頓大學(xué)的Hessam Bagherinezhad是研究人員之一，他解釋道：“它學(xué)會(huì)了如何移動(dòng)關(guān)節(jié)以走路，學(xué)會(huì)了再走路或跑步是如何避開(kāi)障礙物。它學(xué)會(huì)了追著松鼠跑，跟隨者主人走，追逐飛起來(lái)的狗玩具（玩飛盤(pán)游戲時(shí)）。這些都是計(jì)算機(jī)視覺(jué)和機(jī)器人技術(shù)的一些基本AI任務(wù)（例如運(yùn)動(dòng)規(guī)劃、可步行的表面、物體檢測(cè)、物體跟蹤、人物識(shí)別），我們一直試圖通過(guò)為每個(gè)任務(wù)收集單獨(dú)的數(shù)據(jù)來(lái)解決。”

▲ 像狗一樣規(guī)劃行動(dòng)；從狗的行為中學(xué)習(xí)

這可能會(huì)產(chǎn)生一些相當(dāng)復(fù)雜的數(shù)據(jù)：例如，狗模型必須像狗一樣知道行動(dòng)路線，當(dāng)它需要從這里走到那里時(shí)，它的行走路線是什么，它不能在樹(shù)上行走，也不能在汽車(chē)上行走，也不能在沙發(fā)上行走。因此，模型也學(xué)習(xí)了這一點(diǎn)，這個(gè)模型可以作為一個(gè)計(jì)算機(jī)視覺(jué)模型單獨(dú)部署，以找出寵物在給定圖像中的位置。

這只是一個(gè)初步的實(shí)驗(yàn)，研究人員說(shuō)，雖然成功但結(jié)果有限。該系統(tǒng)未來(lái)可能會(huì)考慮引入更多的感覺(jué)，例如嗅覺(jué)，或者看看一只狗(或多只)的模型是如何推廣到其他狗身上的。

研究員的結(jié)論是：“我們希望這項(xiàng)工作為更好地理解視覺(jué)智能和生活在我們這個(gè)世界上的其他智能生物鋪平道路?！?/p>

• 微信內(nèi)搜索并關(guān)注公眾號(hào)[AI商業(yè)報(bào)道]，獲得人工智能領(lǐng)域第一手商業(yè)資訊

生成海報(bào)

免責(zé)聲明：本網(wǎng)站內(nèi)容主要來(lái)自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請(qǐng)進(jìn)一步核實(shí)，并對(duì)任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對(duì)有關(guān)資料所引致的錯(cuò)誤、不確或遺漏，概不負(fù)任何法律責(zé)任。任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁(yè)或鏈接內(nèi)容可能涉嫌侵犯其知識(shí)產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí)，應(yīng)及時(shí)向本網(wǎng)站提出書(shū)面權(quán)利通知或不實(shí)情況說(shuō)明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會(huì)依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開(kāi)相關(guān)鏈接。