bt365手机平台-下载首页

  • bt365手机app-发明模型,通过注册“惊喜”演示的一些基本“直觉物理学”的理解时,对象移动的模拟以意想不到的方式,如
轧制壁后面,而不是重新出现在另一侧。

    bt365手机app-发明模型,通过注册“惊喜”演示的一些基本“直觉物理学”的理解时,对象移动的模拟以意想不到的方式,如 轧制壁后面,而不是重新出现在另一侧。

    图片:恭达尼洛夫,bt365手机app

    全屏

感知机帮助物理学的一些规律

bt365手机app-发明模型,通过注册“惊喜”演示的一些基本“直觉物理学”的理解时,对象移动的模拟以意想不到的方式,如
轧制壁后面,而不是重新出现在另一侧。

模式寄存器“惊喜”当在场景中的对象做什么意外,这可能是用于构建更智能的AI。


记者联系

艾比abaz要么ius
电子邮件: abbya@mit.edu
电话:617-253-2709
bt365手机app新闻办公室

媒体资源

1张图片下载

媒体访问

媒体只能从本网站的桌面版本下载。

人类拥有的物理现实的法律的早期理解。婴幼儿,例如,保持物体如何移动,互动应相互期望,并表示惊奇,当他们意想不到的事情,比如在戏法的手一个魔术消失。

有无MIT的研究人员现在设计模型的理解,演示了一些基本的“直觉物理学”如何对象的行为应该。可以将模型被用来帮助建立更聪明的人工智能,反过来,提供信息,以帮助科学家了解婴儿的认知。

该模型,称为娴熟,观察走动场景中的对象,以及如何使预测公司应该表现对象,根据它们的基本物理学。同时跟踪的对象,该模型在每个视频帧的信号输出到相关因素即一个“惊喜”的电平 - 越大信号,更大的惊喜。显着的对象,如果曾经模型的预测不匹配 - ,比方说,消失或整个场景瞬移 - 它的惊喜水平会激增。

在响应中移动的视频对象显示物理合理和不合理的方式,在模型上注册的惊喜匹配人类曾观看同一视频报道水平的水平。  

“当婴儿3个月大,他们有一些概念,对象不进出存在的眨眼,而无法通过对方或瞬移移动,”第一作者Kevin说。史密斯,在脑与认知科学(BCS)和中心的大脑,心灵成员系的科学家,和机器(CBMM)。 “我们希望捕捉和形式化的知识,建立,婴儿认知到人工智能代理。现在我们越来越近的人,像基本款可以挑选除了合理的或不合理的场景的方式“。

在纸张上加入史密斯的共同第一作者梅灵杰,电气工程和计算机科学和科学家BCS舜宇瑶系本科;吴俊博士'19; CBMM调查一个观察者;约书亚乙。特南鲍姆,计算认知科学教授和研究员在CBMM,BCS和计算机科学与人工智能实验室(CSAIL);和CBMM调查Tomer的d。厄尔曼博士'15。

不匹配的真人秀节目

行家依赖于两个模块:“逆图形”捕获模块从原始图像对象表示,和从一个可能性的分布预测对象的未来表示一个“物理引擎”。

基本上提取对象的逆图形信息 - 诸如形状,姿势和速度 - 从像素的输入。 ESTA模块捕获的图像作为视频帧和图形场景中的使用相反的摘录信息从对象ESTA。但它不会在细节上陷入困境。善于只需要每个形状功能的一些近似的几何形状。在某种程度上,这有助于该模型的预测结果推广到新的对象,它不只是训练的那些。

“如果对象是矩形或圆形,或不要紧,如果它是一个卡车或鸭。行家有只是一个对象认为对于某些位置,移动的方式确定的,作出预测,“史密斯说。 “同样,婴幼儿也似乎并不那么在意预习像物理形状的某些属性当进行预测。”

这些粗对象描述被送入一个物理引擎 - 软件仿真物理系统中,流体的这种行为:例如刚性或机构,并且通常用于薄膜,视频游戏,以及计算机图形。研究人员的物理引擎‘向前推在时间的对象,’乌尔曼说。 ESTA创建用于会发生什么这些对象在下一帧一系列的预测,或者“置信度分布”。

接下来,该模型观察实际下一帧。再次,它抓住了对象表示,然后对准它从它的置信度分布预测被摄体图示之一。如果对象遵守物理定律,不会有太多不匹配两个表示之间。在另一方面,如果该对象做了一些令人难以置信的 - 也就是说,它从后面的墙消失了 - 会有一个重大的不匹配。

然后,善于重新取样从它的置信度分布和笔记概率非常低,对象只是简单地消失了。如果有一个足够低的概率,模型登记伟大的“惊喜”作为信号尖峰。基本上,令人惊讶的是成反比发生的事件的概率。如果概率是非常低的,尖峰信号是非常高的。  

“如果一个对象去后面的墙,你的物理引擎维护一个信念,即对象仍然是后面的墙上。如果墙面出现故障,而无所不有,有一个不匹配,“乌尔曼说。 “随后,模型说,“有一个在我的预测对象,但我什么也看不到。这是唯一的解释就消失了,所以这是令人惊讶的。“

违反预期

在发展心理学,研究人员跑“违反期望”测试显示在婴儿哪对视频。一个视频显示一个合理的情况下,使用对象坚持自己的预期的世界是如何运作的观念。其他视频是在各方面都相同,只是对象违反以某种方式期望的方式行事。研究人员将经常使用测试来衡量这些长的婴儿看起来在场景中的令人难以置信的动作之后如何发生。他们盯着的时间越长,研究人员推测,他们可能会感到惊讶或有志于刚发生的事情就越多。

对于他们的实验中,研究人员创建了一个基于发展几个研究方案,以研究古典模型的核心对象的知识。他们工作的成年人60到物理合理和不合理的已知物理场景64观看视频。对象,例如,将墙后移动,当墙下降,他们仍然会在那里或他们会离开。他们吃惊的是额定功率为从0到100。然后一个规模越来越大不同时刻的参与者,研究人员发现相同的视频模式。具体来说,情景检查模型的能力,持久的捕获概念(或对象不会出现消失毫无理由地),连续性和坚固(对象一起连接轨迹移动)(对象无法通过彼此移动)。

特别匹配的视频娴熟的人在哪里墙壁和消失在移动的对象时移除墙。有趣的是,该机型还符合对那些没有被人类感到惊讶,但也许本来应该惊讶水平影片。例如,在一个视频里的物体在墙后面的速度消失某些移动和出来紧随另一边,对象可能戏剧性地加快了当走到后面的墙上或它可能已经被传给对方。一般人类和娴熟少都是一些关于是否该事件并不奇怪了。此外研究人员发现传统的神经网络学习物理从观察 - 但没有明确表示对象 - 是从不足为奇区分令人惊讶的场面远不如准确,他们对令人惊讶的场景挑选不经常对准人类。

接下来,研究人员计划深入研究进一步观察一下婴儿和了解世界,把任何一个新的发现到他们的模型的目标。研究,例如,表明婴儿,直到一定的年龄卫生组织不是很惊讶,当物体在某些方面彻底改变 - 消失:比如,如果一个墙后面一辆卡车,但再度出现像鸭子。

“我们想看看有什么要建在别人需要了解世界更像是婴幼儿,并规范我们所知道的,以建立更好的心理学关于艾代理,”史密斯说。


主题: 研究, 计算机科学与技术, 算法, 人工智能, 机器学习, 计算机视觉, 计算机科学和人工智能实验室(CSAIL), 脑与认知科学, Electrical Engineering & Computer Science (eecs), 工程学院, 中心的大脑思维和机器

回到顶部