211service.com
Išskirtinis: tai vikriausias kada nors sukurtas robotas
PUSĖ CITRUSŲ Vidutinis citrusinis
Tai gali atrodyti ne taip ypatingai, bet aukščiau esantis robotas, remiantis nauja priemone, yra vikriausias kada nors sukurtas. Be kitų gudrybių, jis gali neprilygstamu greičiu ir įgūdžiais rūšiuoti šiukšlių stalčių.
Raktas į jo miklumą yra ne mechaniniuose griebtuvuose, o smegenyse. Robotas naudoja programinę įrangą, vadinamą Dex-Net, kad nustatytų, kaip neįtikėtinai efektyviai paimti net keistai atrodančius objektus.
Dex-Net sukūrė Kenas Goldbergas , UC Berkeley profesorius ir vienas iš jo absolventų Jeffas Mahleris. Programinė įranga veikia jau paruoštoje pramoninėje mašinoje, kurią pagamino Šveicarijos robotikos įmonė ABB. Goldbergas pademonstravo naujausią savo sistemos versiją EmTech Digital – renginyje San Franciske, kurį organizavo MIT technologijų apžvalga ir skirta dirbtiniam intelektui.
Goldbergo sistema yra daug artimesnė žmogaus sumanumui nei bet kas anksčiau sukurta. Pramoniniai robotai, pasižymintys geresniu miklumu, galėtų būti pritaikyti sandėliuose ir gamyklose, taip pat ligoninėse ir namuose.
„Dex-Net“ ypač protinga yra tai, kaip jis išmoksta suvokti. Programinė įranga bando pasiimti objektus virtualioje aplinkoje, treniruodama gilųjį neuroninį tinklą bandymų ir klaidų būdu. Net ir modeliuojant tai yra sudėtinga užduotis. Tačiau labai svarbu, kad „Dex-Net“ gali apibendrinti iš anksčiau matyto objekto į naują. Robotas netgi pastūmės daiktą, kad galėtų geriau jį apžiūrėti, jei nežino, kaip jį reikia sugriebti. Naujausioje sistemos versijoje yra didelės raiškos 3-D jutiklis ir dvi rankos, kurių kiekviena valdoma skirtingu neuroniniu tinklu. Vienoje rankoje yra įprastas roboto griebtuvas, o kitoje – siurbimo sistema. Roboto programinė įranga nuskaito objektą ir apžiūri abu neuroninius tinklus, kad spręstų, ar tikslingiau griebti ar čiulpti tą konkretų objektą.
UC Berkeley mokslininkai taip pat sukūrė geresnį būdą, kaip išmatuoti skynimo roboto našumą: metriką, vadinamą vidutinių paėmimų per valandą, kuri apskaičiuojama padauginus vidutinį laiką per valandą ir vidutinę sėkmingo nuoseklaus objektų rinkinio tikimybę.
Naujoji metrika padės mokslinių tyrimų laboratorijoms, dirbančioms robotų rinkimo srityje, pasidalinti savo rezultatais. Mes kalbėjome apie tai, kaip suderinti savo rezultatus, kad matytume pažangą, sako Goldbergas. Viskas priklauso nuo to, kokį robotą naudojate, kokį jutiklį naudojate ir, kas labai svarbu, kokius objektus naudojate.
Jeremy Portje
Žmonės per valandą gali atlikti nuo 400 iki 600 vidutinių kirtimų. Neseniai „Amazon“ surengtame konkurse geriausi robotai galėjo surinkti nuo 70 iki 95. Naujoji mašina pasiekia 200–300 vidutinių paėmimų per valandą, sako Goldbergas. Rezultatai bus pristatyti vėliau šiais metais vyksiančioje konferencijoje Australijoje.
Savo pristatymo metu Goldbergas pridūrė, kad per penkerius metus jis tikisi, kad robotai pasieks „žmogišką ar net antžmogišką vidutinį pasirinkimą per valandą“.
Sugriebti ir manipuliuoti nepatogiais ir nepažįstamais objektais yra pagrindinis robotikos iššūkis, kuris stabdė technologiją. Pavyzdžiui, automobilių gamyklose esantys robotai yra greiti ir tikslūs, tačiau negali prisitaikyti prie besikeičiančios ar nepažįstamos aplinkos. Be darbo gamykloje ar sandėlyje, sudėtingesnis manipuliavimas gali padėti sukurti pirmuosius naudingus robotus, padedančius žmonėms tokiose vietose kaip ligoninės ir pagyvenusių žmonių priežiūros įstaigos.
Pastaroji pažanga šioje robotikos srityje yra kelių vienalaikių tendencijų rezultatas. Daugėjo mažesnių, saugesnių robotų, atsirado naujų rūšių galų griebtuvų ir, svarbiausia, buvo padaryta didelė pažanga mašininio mokymosi srityje.
Jeffas Mahleris, UC Berkeley absolventas, konfigūruoja Dex-Net robotų sistemą. Adrielis Olmosas
Be Goldbergo darbo ir tyrimų keliose kitose akademinėse laboratorijose, mokslininkai tokiose vietose kaip DeepMind ir OpenAI pradėjo tyrinėti, kaip būtų galima panaudoti mašininį mokymąsi, kad robotai taptų protingesni ir labiau prisitaikantys. Robotikos pažanga gali atsiliepti į kitas AI sritis, tokias kaip suvokimas.
Mašinų mokymasis daro precedento neturintį poveikį robotikai, sako Russ Tedrake, MIT profesorius, matęs UC Berkeley roboto demonstravimą. Neįtikėtinai naudinga priversti robotus plisti tiek, kad pagaliau turime didelius robotikos duomenis.