211service.com
Šis gamyklos robotas per naktį išmoksta naujo darbo
Kukliai atrodančiame biurų pastate Tokijuje gyvena neįprastai protingas pramoninis robotas, pagamintas Japonijos kompanijos. Fanuc . Suteikite robotui užduotį, pavyzdžiui, išimkite valdiklius iš vienos dėžės ir įdėkite juos į kitą konteinerį, o jis visą naktį sugalvos, kaip tai padaryti. Ateis ryte mašina turėjo taip gerai atlikti darbą, lyg ją būtų suprogramavęs ekspertas.
Gruodžio mėn. Tokijuje vykusioje tarptautinėje robotų parodoje Fanucas demonstruoja robotą, apmokytą stiprinant mokymąsi.
Pramoniniai robotai pasižymi dideliu tikslumu ir greičiu, tačiau paprastai jie turi būti labai kruopščiai programuojami, kad galėtų atlikti kažką panašaus į objekto sugriebimą. Tai sunku ir atima daug laiko, o tai reiškia, kad tokie robotai paprastai gali dirbti tik griežtai kontroliuojamoje aplinkoje.
Fanuco robotas naudoja techniką, žinomą kaip gilaus sustiprinimo mokymasis, kad laikui bėgant išmoktų išmokti naujos užduoties. Jis bando paimti objektus, o fiksuodamas proceso vaizdo medžiagą. Kiekvieną kartą, kai tai pavyksta arba nepavyksta, jis prisimena, kaip atrodė objektas, žinias, kurios naudojamos tobulinant gilaus mokymosi modelį, arba didelį neuroninį tinklą, kuris kontroliuoja jo veiksmus. Per pastaruosius kelerius metus gilus mokymasis pasirodė esąs galingas būdas atpažinti modelius.
Maždaug po aštuonių valandų jis pasiekia 90 ar daugiau procentų tikslumą, o tai yra beveik toks pat, kaip jį programuotų ekspertas, aiškina Shohei Hido, vyriausiasis tyrimų pareigūnas. Pageidaujami tinklai , Tokijuje įsikūrusi įmonė, kuri specializuojasi mašininio mokymosi srityje. Veikia per naktį; kitą rytą jis sureguliuotas.
Robotikos mokslininkai išbando sustiprinimo mokymąsi kaip būdą supaprastinti ir pagreitinti gamyklinius darbus atliekančių robotų programavimą. Anksčiau šį mėnesį „Google“ paskelbė išsamią informaciją apie savo tyrimus, susijusius su sustiprinimo mokymu, kad robotai būtų mokomi suvokti objektus.
„Fanuc“ robotą užprogramavo „Preferred Networks“. „Fanuc“, didžiausia pasaulyje pramoninių robotų gamintoja, praėjusių metų rugpjūtį į „Preferred Networks“ investavo 7,3 mln. Pernai gruodį Tokijuje vykusioje tarptautinėje robotų parodoje įmonės pademonstravo besimokantį robotą.
Hido teigimu, vienas iš didžiausių galimų mokymosi metodo privalumų yra tai, kad jį galima paspartinti, jei keli robotai dirbs lygiagrečiai ir tada dalinsis tuo, ką išmoko. Taigi aštuoni robotai, dirbantys kartu vieną valandą, gali mokytis taip pat, kaip ir viena mašina, dirbanti aštuonias valandas. Mūsų projektas yra orientuotas į paskirstytą mokymąsi, sako Hido. Galite įsivaizduoti, kad šimtai gamyklinių robotų dalijasi informacija.
Ši paskirstytojo mokymosi forma, kartais vadinama debesų robotika, formuojasi kaip didelė tendencija tiek mokslinių tyrimų, tiek pramonės srityse (žr. 10 Breakthrough Technologies 2016: Robots That Teach Other).
Fanucas gali apie tai galvoti, sako Kenas Goldbergas , Kalifornijos Berklio universiteto robotikos profesorius, nes jis montuoja tiek daug mašinų gamyklose visame pasaulyje. Jis priduria, kad debesų robotika artimiausiais metais greičiausiai pakeis robotų naudojimo būdą.
Goldbergas ir jo kolegos (įskaitant kelis „Google“ tyrėjus) iš tikrųjų žengia žingsnį toliau, mokydami robotus, kaip tam tikri judesiai gali būti naudojami ne tik konkrečių objektų, bet ir tam tikrų formų suvokimui. Pranešimas apie šį darbą bus rodomas gegužę vyksiančioje IEEE tarptautinėje robotikos ir automatikos konferencijoje.
Tačiau Goldbergas pažymi, kad mašininio mokymosi taikymas robotikoje yra sudėtingas, nes valdyti elgesį yra sudėtingiau nei, pavyzdžiui, atpažinti objektus vaizduose. Gilus mokymasis padarė didžiulę pažangą modelių atpažinimo srityje, sako Goldbergas. Robotikos iššūkis yra tas, kad jūs darote kažką daugiau. Turite sugebėti sugeneruoti atitinkamus veiksmus įvairiems įvestims.
„Fanuc“ gali būti ne vienintelė įmonė, kurianti robotus, kurie naudoja mašininį mokymąsi. 2014 m. Šveicarijos robotų gamintoja ABB investavo į kitą AI startuolį, pavadintą Vicarious. Tačiau šios investicijos vaisiai dar nepasirodė.