Machines leren nieuwsgierig te zijn

In een project gefinancierd door het Oostenrijkse Wetenschapsfonds FWF heeft een onderzoeksgroep in Wenen robots ontwikkeld die onbekende objecten in hun omgeving waarnemen en ze vervolgens vergelijken met beelden van het internet om ze te identificeren.

Machines worden erkend voor hun betrouwbaarheid in het doen van precies waar ze voor gebouwd zijn. In tegenstelling tot mensen zijn ze echter al snel uit de gratie in situaties waarin kwaliteiten als zelfstandig denken of nieuwsgierigheid vereist zijn. Daarom proberen onderzoekers over de hele wereld, waaronder Oostenrijk, de mogelijkheden van robots uit te breiden. Een groep onder leiding van de robotica-expert Markus Vincze van de Technische Universiteit van Wenen (TU Wien) probeerde machines te maken die kunnen reageren op onbekende objecten. In een project dat gefinancierd werd door het Oostenrijkse Wetenschapsfonds FWF, hebben robots geleerd om te herkennen wanneer ze iets onbekend zien en vervolgens de ontbrekende informatie van het internet te verkrijgen.

Het menselijk model

“We namen ons richtsnoer van de mens aan”, legt Markus Vincze uit. “Als mensen iets niet weten, gingen ze op zoek naar informatie – in boeken uit vervlogen tijden, en tegenwoordig vooral op het internet. Het idee was om robots hetzelfde te laten doen.” Terwijl moderne robots in staat zijn om objecten in camerabeelden te identificeren door ze te vergelijken met een interne database, zijn de machines nog steeds vrij hulpeloos wanneer ze worden geconfronteerd met objecten die ze niet kennen. Een nieuwe aanpak was nodig. Het sleutelwoord in deze context is ‘diep leren’ – leren van grote hoeveelheden gegevens.

3D-waarneming

“De eerste stap in het herkennen van een object is segmentatie”, legt Vincze uit. Hierbij wordt onderscheid gemaakt tussen objecten en hun achtergrond, zoals een koffiekopje en de tafel waarop het staat. “Er zijn methoden die goed werken voor op zichzelf staande objecten”, merkt de onderzoeker op. De volgende stap is uitzoeken met welke objecten je te maken hebt. “Dit kan bijvoorbeeld moeilijk zijn als objecten elkaar gedeeltelijk overlappen en de precieze afbakening ervan niet kunnen doorbreken. Als een object eenmaal is herkend, is het de bedoeling om er een 3D-model van te maken, zodat de robot het kan bereiken en oppakken. Dit soort driedimensionale waarneming is voor de mens heel natuurlijk, maar vormt opnieuw een uitdaging voor machines, zegt Vincze: “Kleine kinderen kunnen dit al vanaf het eerste levensjaar doen, ze zien objecten als driedimensionaal. Al deze methoden zijn nu geïmplementeerd in robots in het kader van een driejarig fundamenteel onderzoeksproject samen met internationale partners.”

Autonoom bewustwording van onwetendheid

Vincze’s groep was geïnteresseerd in de situatie waarin een robot een object, zoals het koffiekopje op tafel, niet herkent. Allereerst moesten de onderzoekers criteria vaststellen aan de hand waarvan de machine kan beslissen of ze een object al dan niet herkend heeft. De robot vergelijkt een foto van het object met een database. Vincze: “Met behulp van statistische methoden bepaalt hij in hoeverre het waargenomen object lijkt op objecten in de database. Dit resulteert in een bepaalde waarde. Als de waarde te laag is, moet de robot een foto van het object nemen en op het internet gaan zoeken”, legt Vincze uit. Het team heeft dit geïmplementeerd door gebruik te maken van verschillende zoekalgoritmes, waaronder ImageNet en de standaard Google image search. Vervolgens analyseerde Vincze’s groep welke zelfstandige naamwoorden het meest voorkomen in de teksten bij de afbeeldingen. Om de resultaten te verbeteren, werd een tegencontrole uitgevoerd: De resulterende term werd opnieuw doorzocht op het internet en de gevonden beelden werden vergeleken met het beeld van het onbekende object. Dit verbeterde de kwaliteit van het zoeken.

HOBBIT prototype

Deze nieuwe benaderingen werden getest met prototypes. Vincze’s team en internationale projectpartners in Italië, Frankrijk en het Verenigd Koninkrijk gebruikten voor de tests robots die in eerdere onderzoeksprojecten waren ontwikkeld. Een van hen was HOBBIT, een machine die ontworpen is voor gebruik in bejaardentehuizen voor karweitjes zoals het vinden van dingen die verloren zijn gegaan. Voor een praktijktest gebruikte het team een kantooromgeving met tien typische gebruiksvoorwerpen die op een bureau lagen: toetsenbord, muis, perforator, nietmachine, enzovoort. De objecten waren allemaal bekend bij het systeem. Voor de test werd een van de objecten uit de database verwijderd en moest de robot het onbekende object identificeren.

Context maakt het verschil

In deze setting hebben Vincze en zijn team onderzocht in hoeverre de context van invloed is op een succesvolle erkenning. Als bijvoorbeeld de meeste objecten op een tafel tafel tafelgerei zijn, is er een verhoogde kans dat het onbekende object ook tot deze categorie behoort. “Dergelijke contextuele informatie kan gericht geanalyseerd en gebruikt worden en zo het zoeken beperken”, zegt Vincze. Op die manier blijven de resultaten verbeteren. De onderzoeker benadrukt dat dit een fundamenteel onderzoeksproject was en dat er nog een lange weg te gaan is voordat robots echt onafhankelijk worden: “De mens moet nog vaak ingrijpen. Vincze voorspelt dat het tientallen jaren zal duren vooraleer robots in staat zullen zijn om een zekere mate van autonomie te ontwikkelen die vergelijkbaar is met die van andere robots.

Geef een reactie

Het e-mailadres wordt niet gepubliceerd. Vereiste velden zijn gemarkeerd met *

Deze website gebruikt Akismet om spam te verminderen. Bekijk hoe je reactie-gegevens worden verwerkt.