Il transfer nell’apprendimento, vale a dire la capacità di trasferire le conoscenze acquisite da un contesto a un altro, potrebbe insegnare ai robot a eseguire compiti complessi.
di Karen Hao
Una delle sfide più difficili attualmente affrontate dalla robotica è far sì che il robot funzioni senza problemi fuori dal laboratorio. In un ambiente di ricerca, infatti, è possibile dotare il robot di costosi sensori e fornirgli un ambiente ideale per apprendere la navigazione, ma nel mondo reale l’adozione di questi sensori comporterebbe costi alti per gli utenti.
I ricercatori della Vrije Universiteit si sono rivolti a un tipo di apprendimento automatico noto come transfer nell’apprendimento per vedere se potevano risolvere il problema.
Il transfer si verifica quando una determinata acquisizione precedente è in grado di influenzare un apprendimento successivo da parte, in questo caso, dell’algoritmo.
Il trasferimento di capacità si potrebbe utilizzare per addestrare un algoritmo che controlla un robot in laboratorio e far sì che riesca a controllare un robot nel mondo reale.
Ciò significa che il robot potrebbe prima allenarsi con il vantaggio di sensori di alto livello e un ambiente predisposto, e successivamente “trasferire” quanto appreso a sensori a basso costo che operano in un ambiente normale.
Per verificare questa idea, i ricercatori hanno inserito un robot in un ambiente simulato e lo hanno fatto spostare prima con l’ausilio di otto sensori di prossimità e poi con una singola telecamera.
Quando l’algoritmo di controllo del robot ha utilizzato il transfer nell’apprendimento per prendere decisioni – solo con l’accesso alla telecamera – è riuscito a muoversi nella stanza molto più velocemente rispetto a quanto faceva in precedenza.
Immagine: Hero Images / Getty
(rp)
