Считаете ли вы одеваться по утрам повседневной задачей? Мужайтесь, новый вычислительный метод, основанный на методах машинного обучения, поможет вам в многоступенчатом процессе надевания одежды. Также читайте – Может ли ИИ лучше предсказать риск рака ротовой полости? Так считают британские ученые
По словам ученых-информатиков из Технологического института Джорджии и Google Brain – Google искусственный интеллект исследовательская рука – задача переодевания довольно сложна и включает в себя несколько различных физических взаимодействий между персонажем и его или ее одеждой, в первую очередь руководствуясь осязанием человека. Читайте также: новый алгоритм искусственного интеллекта может выявлять травмы головного мозга: узнайте факторы риска, чтобы предотвратить их
Команда использовала моделирование, чтобы научить нейронную сеть выполнять сложные задачи по одеванию, разбивая задачу на более мелкие части с четко определенными целями. Читайте также – Постоянные обновления о коронавирусе: как искусственный интеллект и дроны помогают вам бороться с новым коронавирусом
Это позволяло персонажу пробовать задание тысячи раз и обеспечивать сигналы вознаграждения или наказания, когда персонаж пытается внести полезные или вредные изменения в свою политику.
Затем метод исследователей обновляет нейронную сеть по одному шагу за раз, чтобы сделать обнаруженные положительные изменения более вероятными в будущем.
«Мы открыли дверь к новому способу анимации задач многоступенчатого взаимодействия в сложных средах с использованием обучения с подкреплением», – сказал ведущий автор Александр Клегг, докторант Технологического института Джорджии.
«Еще предстоит проделать большую работу, продолжая идти по этому пути, позволяя моделированию предоставить опыт и практику для практического обучения в виртуальном мире».
В ходе исследования исследователи продемонстрировали свой подход к нескольким задачам одевания: надевание футболки, надевание куртки и одевание рукава с помощью роботов.
С помощью обученной нейронной сети они смогли добиться сложной реконструкции различных способов, которыми одевался анимированный персонаж. Ки включает в свою структуру осязание, чтобы преодолеть проблемы моделирования ткани.
Исследователи обнаружили, что тщательный отбор наблюдений за тканью и функции вознаграждения в их обученной сети имеют решающее значение для успеха структуры. В результате этот новый подход позволяет не только одевать отдельные последовательности, но и управлять персонажем, который может успешно одеваться в различных условиях.
Команда представит свои работы на SIGGRAPH Asia 2018 в Токио.
Источник: IANS
Опубликовано: 22 ноября 2018 г., 12:53
