به گزارش سرویس علمی ایسنا، دانشمندان این شیوه خود را که نوعی آموزش تقویتی است، بر روی رباتی نشان دادند که وظایف مختلف از جمله قرار دادن رخت‌آویز در قفسه، متصل کردن هواپیمای اسباب‌بازی و باز کردن شیر آب را بدون جزئیات از پیش برنامه‌ریزی شدن در مورد محیط اطرافش انجام داد.
محققان برای این منظور به شاخه جدیدی از هوش مصنوعی موسوم به یادگیری عمیق روی آوردند.
برنامه‌های یادگیری عمیق در دنیای هوش مصنوعی، شبکه‌های عصبی را ایجاد می‌کنند که در آن‌ها، لایه‌های عصب‌های مصنوعی به پردازش داده‌های حسی خام متداخل شامل امواج صوتی یا پیکسل‌های تصویر می‌پردازند.
این کار به ربات‌ها کمک می‌کند تا الگوها و گروهها را در میان داده‌های دریافتی شناسایی کنند.
محققان با یک ربات PR2 این آزمایش را انجام دادند که آن را BRETT نامیده‌اند. آن‌ها مجموعه‌ای از وظایف حرکتی را به این ربات ارائه کردند.
زمانی که مختصات مربوط به شروع و پایان کار به BRETT ارائه شد، این ربات توانست یک تکلیف خاص را در 10 دقیقه انجام دهد. اما زمانی که محل اجسام درون صحنه به ربات اطلاع داده نشد و BRETT نیاز پیدا کرد که هر دو مهارت مشاهده و کنترل را یاد بگیرد، فرآیند آموزش حدود سه ساعت به طول انجامید.
این یافته‌ها قرار است در نشست بین‌المللی رباتیک و اتوماسیون در سیاتل ارائه شود.