Lär robotar att rita "för hand"

artistas robot

Det finns färre och färre saker som robotar inte kan lära sig, och nu är det dags att rita. Från Brown University kommer en algoritm som gör att robotar kan rita med slag som liknar mänsklig skrivning, ett steg, säger de, så att de i framtiden bättre kan kommunicera med sina mänskliga följeslagare. Roboten behöver bara titta på målbilden för ett ord eller en skiss och börja reproducera varje slag som en kontinuerlig handling. Atsunobu Kotani är studenten som ledde utvecklingen av algoritmen och ser till att resultatet blir så bra att vi inte kan avgöra om författaren till verket var en person eller en robot. För arbetet har de använt djupinlärningsnätverk som analyserar bilder av handskrivna ord eller skisser och kan härleda de troliga serierna av pennslag som skapade dem. Då kan roboten återge slagen perfekt. Temaets magi är att roboten inte behöver lära sig varje skiss. Vi kan rita vad vi vill och roboten kan reproducera det i nästan perfekt ordning. Kotani gick in i sin djupinlärningsalgoritm med hjälp av en japansk teckenuppsättning och visade att han kunde återge karaktärerna och streck som skapade dem med cirka 93 procents noggrannhet. Men till forskarnas stora förvåning slutade algoritmen att reproducera mycket olika typer av tecken som den aldrig sett tidigare: till exempel engelska och kursiva bokstäver. För att testa det bad de roboten skriva hej på universitetets forskares modersmål, som bland annat grekiska, hindi, urdu, kinesiska och jiddisch. Roboten kunde reproducera dem alla med rimlig precision. Men systemets mästerverk var kopian av Kotanis Mona Lisa. Jag ritade på ett bräde och tillät sedan roboten att kopiera det ganska troget på samma bräda, precis under Kotani-originalet, som vi ser på bilden ovan. Nyckeln till att få systemet att fungera är att algoritmen använder två olika modeller av bilden du försöker återge. Med hjälp av en global modell som betraktar bilden som en helhet identifierar algoritmen en trolig utgångspunkt för att göra det första spåret. När strecket har börjat zoomar algoritmen in och tittar på bilden pixel för pixel för att avgöra vart det ska gå och hur länge det ska vara. När den når slutet av spåret anropar algoritmen den globala modellen igen för att bestämma var nästa spår ska börja och återgår sedan till den utökade modellen. Denna process upprepas tills bilden är klar. Ett genombrott för framtida robotartister.