Петър Кормушев

Тази страница е налична само на следните езици: English.

Тази страница е налична само на следните езици: English.

Тази страница е налична само на следните езици: English.

Тази страница е налична само на следните езици: English.

Университетът в Генуа, северна Италия, съвместно с Италианския Институт по Технологии (ИИТ)

предлагат

Стипендии за докторанти на тема Роботика и Машинно Самообучение за 2016 г.

Докторантурите се провеждат на английски език, така че не е необходимо кандидатите да говорят италиански.

Краен срок за кандидатстване: 10 юни 2015 г.

Повече информация тук: http://kormushev.com/news/phd-positions-in-robotics-and-machine-learning-for-2016

ОФИЦИАЛНО ЗАКРИВАНЕ – „Завръщане в бъдещето“
11 май 2014 г.
http://www.britishcouncil.bg/events/ssf-2014/future

Д-р Петър Кормушев показва на какво са способни най-съвременните роботи в Италианския институт по технологии.

Демонстрациите включват различни методи за самообучение, които позволяват на роботите сами да научат нови полезни задачи.

Д-р Петър Кормушев е носител на президентската награда „Джон Атанасов“ за 2013 г.

За повече информация – Италиански институт по технологии:
http://www.iit.it/

Тази страница е налична само на следните езици: English.

Впечатляващ робот-кенгуру от Festo!

Публикуваха подробно интервю с мен в Economy.bg озаглавено „Хората ще се превърнат отчасти в машини“.

Ето линк към оригиналния уебсайт:
http://www.economy.bg/science/view/10195/Horata-shte-se-prevyrnat-otchasti-v-mashini

Тук помествам копие от интервюто с архивна цел:

Д-р Петър Кормушев е ръководител на научно-изследователски екип в Катедрата по роботика на Италианския институт по технологии. Занимава се с научни изследвания в областта на роботиката и машинното самообучение. През 2009 той защитава докторска дисертация по изкуствен интелект (Computational Intelligence) в Токийския институт по технологии.
Петър Кормушев притежава магистърска степен по изкуствен интелект, магистърска степен по био- и медицинска информатика и бакалавърска степен по информатика от Софийския университет. Той е участвал в множество научни проекти, включително европейския проект INFRAWEBS за създаване на бъдещата семантична мрежа и японския проект NEDO за създаване на ново поколение роботи. Носител е на множество престижни награди.
Потърсихме д-р Кормушев, за да ни разкаже за работата си с роботи, след като получи наградата „Джон Атанасов” за 2013.

Участвали сте в създаването на ново поколение роботи в Япония. Какво представляват те?
По време на докторантурата ми в Токийския институт по технологии от 2006 до 2009 участвах в японския проект NEDO (Development Project for a Common Basis of Next-Generation Robots) за създаване на основата на ново поколение роботи. Това беше изключително мащабен проект, изцяло спонсориран от японската държава, в който се включиха десетки университети и институти от страната на изгряващото слънце. Моят принос е главно в софтуерната част на проекта, по създаването на т.нар. RT Middleware. Това е междинен слой в софтуерната архитектура на новото поколение роботи, който играе важна роля в свързването на хетерогенни роботи, тяхната операционна система и потребителските програми от високо ниво. Благодарение на този слой роботите са в състояние да общуват ефикасно помежду си и да обменят данни, полезна информация и по този начин позволява знания, придобити от един робот, да бъдат използвани лесно от всички останали роботи.

Как се обучават роботи?
Само допреди броени години основният метод за „обучение“ на роботи беше ръчното им програмиране – процес, който е изключително трудоемък и податлив на грешки. И до ден-днешен, това е доминиращият метод за програмиране на индустриалните роботи. За щастие, с развитието на хуманоидните и персоналните роботи, през последното десетилетие учените се насочиха към разработването на нови, по-гъвкави и ефикасни методи за обучение на роботи. Днес най-разпространеният такъв метод е т.нар. обучение чрез имитация (imitation learning). При този подход вместо ръчно да се програмира, е достатъчно на робота да се демонстрира начинът, по който се извършва дадена задача. Така, след няколко повторения на демонстрацията, роботът се научава да имитира показаната задача. Този метод е все още в процес на разработка и в целия свят учени се опитват да подобрят възможностите на подхода за обобщаване на научените задачи и повторното им използване в нови ситуации. Аз също имам научни разработки в тази насока, най-новата от които е за т.нар. визуално-пространствен метод за обучение (visuospatial skill learning).

А как роботите се учат да се самообучават и защо е важно това?
Обучението чрез имитация е важна крачка напред към постигане на по-естествен интерфейс между хората и роботите. Само че проблемът при този подход е, че се изисква да има подробна демонстрация от човек експерт как се извършва дадена задача. Това определено е полезно, но би било още по-хубаво – ако е възможно – роботът сам да открие по какъв начин може да постигне целта, която му е зададена. Именно това е основното научно направление, в което съм насочил усилията си през последните 3-4 години. Работя по разработването на т.нар. подсилващо обучение (reinforcement learning), чиято цел е роботите да се научат да се самообучават чрез метода на пробите и грешките, по подобен начин на който например децата се учат. Засега това е изключително трудно и изисква интеграция на мултидисциплинарни методи от множество научни сфери – роботика, изкуствен интелект, машинно обучение, компютърно зрение, контрол и управление, лингвистика, планиране и оптимизация и т.н.

На какво учите роботите? Какво могат да правят роботите, които сте обучавали?
Основната ми цел е не да науча роботите на една или друга конкретна задача, а по-скоро да разработя фундаментален метод, който да позволи на роботите да бъдат обучени на произволна полезна задача. Досега разработените от мен методи позволиха да се научат (или самообучат) роботи да извършват следните полезни дейности: да отварят врати, да гладят дрехи, да изтриват бяла дъска, да обръщат палачинки, да стрелят с лък, да разточват тесто, да ходят по енергийно ефективен начин, да ходят с по-бърза и по-стабилна походка, да се възстановяват от хардуерни повреди и т.н. Видеоклипове от моите експерименти могат да бъдат намерени на моя личен уеб сайт: http://kormushev.com/.

Колко време отнема обучението на роботи?
Скоростта на обучение зависи от няколко фактора. Най-важният е сложността на задачата, която трябва да бъде научена, като това се измерва обикновено в размерността на пространството от възможни поведения на робота. При размерност до около 10 измерения обикновено са необходими само няколко опита, за да се научи задачата, като например при задачата за уцелване на центъра на мишена. Когато размерността е над 20-30, тогава са необходими значително повече опити, като например при задачата за подхвърляне на палачинка и хващането й в тигана. При този експеримент на моя робот му бяха необходими около 50-60 опита, за да достигне задоволително изпълнение на задачата без да пада палачинката.

Какво приложение намират методите Ви на обучение?
Разработените от мен методи за обучение и самообучение на роботи намират приложение върху множество съвременни роботи и платформи, като например: хуманоидни роботи iCub, COMAN, HOAP-2, манипулатори Barrett WAM, KUKA LWR, четирикраки роботи QuadraTot, HyQ и др.

Кога можем да очакваме универсален робот на пазара, който би могъл да извършва различни типове задачи?
Такива роботи вече от няколко години съществуват, но поради високата им цена и нуждата от висококвалифицирана поддръжка, засега те се използват само от научни институции и университети. Също така техният репертоар от задачи е доста ограничен, което е по-скоро породено от ограничения в софтуера, отколкото в хардуера на роботите. Като пример за такива роботи са италианските хуманоидни роботи iCub и COMAN, американският персонален робот PR2, японският робот HRP-4 и разбира се, най-първият и все още водещ в много отношения японски робот ASIMO. Средната цена на един подобен робот е над 200 000 евро, което е сериозна бариера за по-широкото им разпространение, което пък означава, че те все още не са достатъчно добре тествани и оптимизирани. Ако направя аналогия с историческото развитие на компютрите, в момента роботите завършват етапа на „mainframe“ компютрите и започват новата ера на „персоналните“ роботи – по-малки, по-евтини, по-гъвкави и по-надеждни. През следващите 30-40 години очаквам да се развие истинска революция в персоналните роботи и те да навлязат масово в домовете ни, което ще се случи със сигурност, когато цената им стане достатъчно достъпна, както се случи например с роботите прахосмукачки от типа на Roomba.

Можем ли да очакваме в даден етап роботът да стане достатъчно интуитивен, че да предвижда от какво се нуждае собственикът му?
Да, сигурен съм, че е възможно. Вече съществуват методи, които са в състояние да разпознават поведението на хора с помощта на видеокамера и тримерен сензор (например Kinect). Съвсем естествено продължение на тези методи би било да се прави предвиждане на следващата фаза в текущо разпознатото поведение и роботът да изпреварва собственика си, като се опитва да приготви предварително следващата дейност. Например, когато роботът види, че собственикът му си мие ръцете, веднага да му донесе кърпа, за да се избърше, когато свърши – един съвсем елементарен пример за подобно предвиждане.

Все по-често четем за роботи, изместващи хората като работна сила, например в Китай. Трябва ли да се страхуваме от роботите?
Не мисля, че има нужда да се страхуваме от роботите. Тези професии, които постепенно ще бъдат измествани от роботи, са монотонни, скучни и нискоквалифицирани, например чистачи, охранители, магазинери, шофьори и т.н. На тяхно място ще бъдат създавани нови висококвалифицирани работни места и професии, като например „учител на роботи“, „техник на роботи“, „изпитател на роботи“, и т.н. Съвсем сходни трансформации са се случвали много пъти досега, по време на всяка технологична революция (автомобилът, парната машина, тъкачният стан, компютърът и т.н.).

Роботите стават все по-автономни. Можем ли да очакваме да възникнат проблеми от това, че машините все по-често ще вземат самостоятелно решения в дадени ситуации? И какво би могло да се направи в това отношение? Нужни ли са някакви регулации?
Роботите съвсем малко се различават от други (полу-)автономни машини, с които сме свикнали в ежедневието си, като например перална машина, асансьор, автомобил, самолет. Помислете само за един съвременен самолет, например Boeing 787 Dreamliner, колко много електроника има в него, която взема хиляди решения в секунда автономно и е в състояние да лети и дори да кацне абсолютно самостоятелно. При това милиони хора се доверяват на тези машини и ги използват непрекъснато. По същия начин роботите постепенно ще достигнат ниво на автономност и доказана надеждност, която ще помогне на хората да им се доверят по-лесно. Но според мен още преди да навлязат персоналните роботи, ще навлязат автономните коли, които определено ще изискват правна и социална регулация.

От къде дойде интересът Ви към роботиката?
Започвайки от софтуерната страна на изкуствения интелект, в един момент за мен стана очевидно, че компютрите никога няма да могат истински да разберат ежедневни концепции за реалния свят, без да имат физичен контакт с реалността. Оттам се насочих към роботиката, тъй като роботите предоставят именно този необходим контакт между софтуера (изкуствения интелект) и физическия свят. По този начин роботът може да научи концепции като топло/студено, леко/тежко, бързо/бавно, бутане/дърпане и т.н., като ги представя чрез конкретните сензорни данни, които те предизвикват. Също така роботите предоставят платформа за експерименти, която изкуственият интелект може да използва за автономно самообучение – т.е. да придобива нови знания по естествен път, вместо да е необходимо човек ръчно да го обучава или програмира.

Учили сте в България, по-късно продължавате обучението си в Япония, сега работите в Италия. Къде е България по отношение на обучението на ИТ специалисти?
По отношение на софтуера България има сравнително добро международно място, въпреки че определено може да се желае повече, например да има повече чисто български софтуерни компании с международен успех. По отношение на изкуствения интелект и роботиката обаче положението ни съвсем не е добро. Тези научни специалности изискват сериозни финансови инвестиции и систематична национална политика, които за съжаление България все още няма. Проблемът е, че колкото повече изоставаме в тези направления, толкова по-трудно става да се навакса в бъдеще. Затова е необходимо да се започне отрано, с подготовка на бъдещите кадри, със закупуване на оборудване и с насърчаване на технологични компании да запълнят тази ниша.

Как си представяте бъдещето на роботиката и мястото на роботите в живота ни?
За разлика от холивудските филми, аз си представям бъдещето на роботиката по малко по-различен начин. Честа тема в научната фантастика е неизбежният конфликт между хората и машините в момент, когато машините достигнат и надминат хората по физически и умствени възможности. Само че според мен това никога няма да се случи в реалността поради простата причина, че в далечно бъдеще разликата между хора и машини ще бъде размита. Какво имам предвид под това? Хората ще започнат да „ъпгрейдват“ собственото си тяло с технология от роботите – напр. по-силни тела, по-добри сетива, по-бърз и развит мозък с пряка връзка с компютър и глобална мрежа и т.н. По този начин хората ще се превърнат отчасти в машини, като по-скоро това ще бъде следващата еволюционна стъпка в развитието на човечеството. Като резултат машините и технологията на роботите ще бъдат асимилирани от хората – все пак кой би отказал тяло, което е вечно и може лесно да се самопоправя и обновява?

Наскоро получихте престижната награда „Джон Атанасов”. За какви постижения бяхте отличен?

Бях отличен с наградата „Джон Атанасов“ главно заради научно-изследователските ми постижения, които обхващат пет научни направления: информатика, семантичен уеб, изкуствен интелект, машинно обучение и роботика.
Научните ми разработки в областта на информатиката допринесоха за по-бързото навлизане на информационните технологии (ИТ) в сферата на здравеопазването в България. Те намериха приложение в българските здравно-информационни системи „Хипократ”, използвани от хиляди лекари у нас.
В областта на семантичния уеб от 2004 до 2005 участвах в европейския проект INFRAWEBS за изграждане на бъдещата семантична мрежа (Semantic Web), която да наследи съществуващата в момента Интернет мрежа (World Wide Web).
В областта на изкуствения интелект разработките ми в допринесоха за създаването на роботи, които са в състояние сами да се учат чрез процес на проби и грешки по подобен начин на хората.
В областта на машинното обучение през 2008 бях приет като докторант на стаж (PhD intern) в Google, където работих в екипа за повишаване на качеството на резултатите от търсачката в офиса на компанията в Токио. Прилагайки алгоритми по машинно обучение и самообучение (supervised and unsupervised learning), успях да създам прототип на нова система за автоматично категоризиране на входните заявки (search queries), която нарекох с името Google Genus. След интензивен период на самообучение системата е в състояние да определя автоматично категорията на подадената от потребител заявка за търсене в Google. По този начин резултатите от търсенето могат да се филтрират автоматично от Google Genus, така че да се показват само тези, които попадат в съответната категория. Системата започна да се използва вътрешно от Google, след което намери приложение и в YouTube за автоматично категоризиране на видеоматериалите на база текстовото им описание.
В областта на роботиката участвах в японския проект NEDO (Development Project for a Common Basis of Next-Generation Robots) за създаване на основата на ново поколение роботи. В проекта си сътрудничих с учени и специалисти от компаниите Mitsubishi и Toshiba, които видяха потенциал за прилагане на разработваните от мен алгоритми за самообучение върху истински роботи.
Освен научните ми постижения, друга основна причина да бъда удостоен с наградата „Джон Атанасов“ е работата ми за подпомагане на младите български учени. В опитите си да привлека повече български студенти и учени към сферата на машинното обучение и роботиката, организирах международен работен семинар в България на тема „Advances in Robot Learning and Human-Robot Interaction“.

Университетът в Генуа, северна Италия, съвместно с Италианския Институт по Технологии (ИИТ)

предлагат

Стипендии за докторанти на тема Роботика и Машинно Самообучение за 2014 г.

Докторантурите се провеждат на английски език, така че не е необходимо кандидатите да говорят италиански.

Краен срок за кандидатстване: 20 септември 2013 г.

Повече информация тук: http://kormushev.com/news/phd-positions-in-robotics-and-machine-learning-for-2014/

University of Genoa, jointly with the Italian Institute of Technology (IIT)
PhD Program in Bioengineering and Robotics
Call for PhD students for 2014

PhD positions with scholarships are available at the Italian Institute of Technology (IIT)
Location: Genoa, Italy
Starting date: January 2014
Application deadline: September 20, 2013 at 12.00 noon (Italian time)

Please note that IIT is an English-language research institute, so it is not required to speak Italian.
Useful links:

• >>> Online application here <<<
• PhD Course Information
• PhD application tip & tricks
• PhD themes description

I have two PhD positions open in my team, in Themes 8 and 9 respectively. Both are in the area of Robot Learning, as described below. For anyone interested, please contact me well before the application deadline!

THEME 8. Developmental Robotics And Robot Learning Of Motor Skills
Tutors: Dr. Petar Kormushev, Prof. Darwin G. Caldwell

Department: ADVR (Department of Advanced Robotics, Istituto Italiano di Tecnologia)
http://www.iit.it/advr

Description: Motor skills of humans and animals are still utterly astonishing when compared to robots. This PhD theme will focus around developmental robotics and robot learning methods to advance the state-of-the-art in robot motor skills.

Developmental robotics offers a qualitatively different approach for controlling humanoid robots than the currently predominant approach based on manually engineered controllers. As a result, despite the significant mechatronic advances in humanoid robot design, the motor skill repertoire of current humanoid robots is mediocre compared to their biological counterparts.

This PhD theme aims to bring forward advances in the quality of robot motor skills towards biological richness. The creation of novel, high-performance, passively-compliant humanoid robots (such as the robot COMAN developed at IIT) offers a significant potential for achieving such advances in motor skills. However, as the bottleneck is not the hardware anymore, the main efforts should be directed towards the software that controls the robot. It is no longer reasonable to use oversimplified models of robot dynamics, because the novel compliant robots possess much richer and more complex dynamics than the previous generation of stiff
robots. Therefore, new solutions should be sought to address the challenge of compliant humanoid robot control. And developmental robotics offers one promising alternative for achieving this.

The PhD theme will explore developing novel robot learning algorithms and methods that allow humanoid robots to easily learn novel skills. At the same time, robots should be capable of natural and robust interaction with people. The focus of the research will be on intelligent exploration techniques, robot learning and human-robot interaction.

Reference: P. Kormushev, S. Calinon, D.G. Caldwell. Reinforcement Learning in Robotics: Applications and Real-World Challenges. MDPI Journal of Robotics (ISSN 2218-6581), Special Issue on Intelligent Robots, vol.2, pp.122-148, 2013.

Contact: petar.kormushev@iit.it

THEME 9. Robot Learning For Agile Locomotion Of Compliant Humanoid Robots
Tutors: Dr. Petar Kormushev, Prof. Nikos Tsagarakis

Department: ADVR (Department of Advanced Robotics, Istituto Italiano di Tecnologia)
http://www.iit.it/advr

Description: The creation of novel, high-performance, passively-compliant humanoid robots (such as the robot COMAN developed by IIT) offers a significant potential for achieving more agile locomotion. At this stage, the bottleneck is not the hardware anymore, but the software that controls the robot. It is no longer reasonable to use over-simplified models of robot dynamics, because the novel compliant robots possess much richer and more complex dynamics than the previous generation of stiff robots. Therefore, a new solution should be sought to address the challenge of compliant humanoid robot control.

In this PhD theme, the use of machine learning and robot learning methods will be explored, in order to achieve novel ways for whole-body compliant humanoid robot control. In particular, the focus will be on achieving agile locomotion, based on robot self-learned dynamics, rather than on pre-engineered dynamics model. The PhD candidates will be expected to develop new algorithms for robot learning and to advance the state-of-the-art in humanoid robot locomotion.

The expected outcome of these efforts includes the realization of highly dynamic bipedal locomotion such as omni-directional walking on uneven surfaces, jumping and running robustly on uneven terrain and in presence of high uncertainties, demonstrating robustness and tolerance to external disturbances, etc. The ultimate goal will be achieving locomotion skills comparable to a 1.5 – 2 year-old child.

Reference: P. Kormushev, S. Calinon, D.G. Caldwell. Reinforcement Learning in Robotics: Applications and Real-World Challenges. MDPI Journal of Robotics (ISSN 2218-6581), Special Issue on Intelligent Robots, vol.2, pp.122-148, 2013.

Contact: petar.kormushev@iit.it

Тази страница е налична само на следните езици: English.

Тази страница е налична само на следните езици: English.

Тази страница е налична само на следните езици: English.

Тази страница е налична само на следните езици: English.