Susipažinkite su vikriausiu pirštu iki šiol robotu

Ryškiai dekoruotoje Kalifornijos universiteto Berklyje laboratorijoje įprastos išvaizdos robotas išsiugdė išskirtinį sugebėjimą paimti nepatogius ir neįprastus objektus. Vis dėlto stulbina tai, kad robotas taip gerai suvokė dirbdamas su virtualiais objektais.

Ištyręs didžiulį 3D formų ir tinkamų griebtuvų duomenų rinkinį, robotas sužinojo, kokia rankena turėtų būti naudojama įvairiems daiktams. UC Berkeley mokslininkai tiekė vaizdus į didelį giliai besimokantį neuroninį tinklą, prijungtą prie 3D jutiklio ir standartinės roboto rankos. Kai priešais jį pastatomas naujas objektas, roboto giluminio mokymosi sistema greitai išsiaiškina, kokį sugriebimą turi naudoti ranka.

Botas yra žymiai geresnis nei bet kas anksčiau sukurtas. Atliekant bandymus, kai buvo daugiau nei 50 procentų įsitikinęs, kad gali sugriebti objektą, jam pavyko pakelti daiktą ir papurtyti, nenumetant objekto 98 procentus laiko. Kai robotas nebuvo tikras, jis smeigdavo objektą, kad geriau suprastų. Tai padarius, 99 procentus laiko pavyko jį pakelti. Tai yra reikšmingas žingsnis, palyginti su ankstesniais metodais, teigia mokslininkai.

Susijusi istorija

Privaloma perskaityti

Darbas parodo, kaip nauji robotų mokymosi metodai kartu su galimybe robotams pasiekti informaciją per debesį gali pagerinti robotų galimybes gamyklose ir sandėliuose ir netgi leisti šioms mašinoms atlikti naudingą darbą naujose patalpose, pavyzdžiui, ligoninėse ir namų (žr. 10 Proveržio technologijų 2017: Robotai, kurie moko vienas kitą). Tai aprašyta a popierius bus paskelbta didžiojoje robotikos konferencijoje, vykusioje šių metų liepą.

Daugelis mokslininkų ieško būdų, kaip robotai išmoktų suvokti dalykus ir jais manipuliuoti nuolat praktikuodami, tačiau šis procesas užima daug laiko. Naujasis robotas mokosi be praktikos ir yra žymiai geresnis nei bet kuri ankstesnė sistema. Mes gauname geresnių rezultatų, bet be tokio eksperimento, sako Kenas Goldbergas , UC Berkeley profesorius, kuris vadovavo darbui. Mes tuo labai džiaugiamės.

Kalifornijos universitetas, Berklis, profesorius Kenas Goldbergas (kairėje) ir „Siemens“ tyrimų grupės vadovas Juanas Aparicio.

Užuot praktikavęs realiame pasaulyje, robotas išmoko maitindamasis daugiau nei tūkstančio objektų duomenų rinkiniu, apimančiu jų 3D formą, vizualinę išvaizdą ir jų suvokimo fiziką. Šis duomenų rinkinys buvo naudojamas roboto gilaus mokymosi sistemai lavinti. Mes galime sugeneruoti pakankamai mokymo duomenų giliems neuroniniams tinklams per vieną dieną, užuot atlikę mėnesius trukusius fizinius bandymus su tikru robotu, sako Jeffas Mahleris, doktorantūros tyrėjas, dirbęs prie projekto.

Goldbergas ir kolegos planuoja išleisti sukurtą duomenų rinkinį. Viešieji duomenų rinkiniai buvo svarbūs tobulinant kompiuterinio matymo pažangą, o dabar nauji 3D duomenų rinkiniai žada padėti robotams tobulėti.

Stephanie Tellex , Browno universiteto docentas, kuris specializuojasi robotų mokymosi srityje, tyrimą apibūdina kaip didelį dalyką, pažymėdamas, kad tai gali paspartinti daug pastangų reikalaujantį mašininio mokymosi metodą.

Sunku surinkti didelius robotų duomenų rinkinius, sako Tellex. Šis dokumentas yra įdomus, nes parodo, kad modeliuojamas duomenų rinkinys gali būti naudojamas norint išmokyti suvokti modelį. Ir šis modelis reiškia tikrą sėkmę fiziniame robote.

Valdymo algoritmų ir mašininio mokymosi metodų pažanga kartu su nauja technine įranga nuolat kuria pagrindą, ant kurio veiks naujos kartos robotai. Šios sistemos galės atlikti daug įvairesnes kasdienes užduotis. Tiesą sakant, vikresnių pirštų mašinos jau imasi rankinio darbo, kuris ilgą laiką buvo nepasiekiamas (žr. Robotas su galva debesyje, renkasi sandėlį).

Rusas Tedrake'as MIT profesorius, dirbantis su robotais, teigia, kad daugelis tyrimų grupių daro pažangą kurdamos daug pajėgesnius robotus. Jis priduria, kad UC Berkeley darbas yra įspūdingas, nes jame derinami naujesni mašininio mokymosi metodai su tradiciniais metodais, kurie apima objekto formos samprotavimą.

Vikresnių robotų atsiradimas taip pat gali turėti didelių ekonominių pasekmių. Šiandien gamyklose aptinkami robotai yra nepaprastai tikslūs ir ryžtingi, tačiau neįtikėtinai nerangūs susidūrę su nepažįstamu objektu. Nemažai įmonių, tarp jų ir „Amazon“, naudoja robotus sandėliuose, tačiau kol kas tik gaminių pervežimui, o ne daiktų paėmimui pagal užsakymus.

UC Berkeley mokslininkai bendradarbiavo su Juanu Aparicio, Siemens tyrimų grupės vadovu. Vokietijos bendrovė, be kitų prijungtų gamybos technologijų, domisi debesų robotikos komercializavimu.

Susijusi istorija

Skaitykite toliau Sumanus naujas robotas griebtuvas gali manipuliuoti nepažįstamais objektais ir dalijasi tuo, ką išmoko, su avilio protu debesyje.

Aparicio sako, kad tyrimas yra įdomus, nes rankos patikimumas suteikia aiškų kelią komercializavimui.

Mašinų miklumo raida taip pat gali būti reikšminga dirbtinio intelekto pažangai. Rankinis miklumas vaidino lemiamą vaidmenį žmogaus intelekto evoliucijoje, suformavęs palankų grįžtamojo ryšio kilpą su ryškesniu regėjimu ir padidindamas smegenų galią. Atrodo, kad galimybė veiksmingiau manipuliuoti tikrais objektais taip pat vaidina svarbų vaidmenį dirbtinio intelekto evoliucijoje.

paslėpti