211service.com
Kā roboti var ātri iemācīt viens otram uztvert jaunus objektus
Paķert pildspalvu vai saulesbrilles var būt bez piepūles jums vai man, taču robotam tas ir velnišķīgi grūti, it īpaši, ja attiecīgais objekts ir nepazīstams vai novietots neērti.
Baksters Stefanijas Telleksas laboratorijā mēģina satvert divus objektus vienlaikus.
Tomēr prakse padara perfektu, kā to pierāda viens robots. Tā māca sevi uztvert visu veidu objektus caur stundu atkārtošanos. Robots izmanto dažādas kameras un infrasarkanos sensorus, lai aplūkotu nepazīstamu objektu no dažādiem leņķiem, pirms mēģina to pacelt. Pēc tam tas to dara, izmantojot vairākus dažādus satvērējus, kratot objektu, lai pārliecinātos, ka tas ir droši noturēts. Var paiet desmitiem mēģinājumu, lai robots atrastu pareizo satvērienu, un vēl desmitiem mēģinājumu, lai pārliecinātos, ka objekts neslīd.
Tas varētu šķist nogurdinošs process, taču, kad robots ir iemācījies kaut ko paņemt, tas var dalīties šajās zināšanās ar citiem robotiem, kuriem ir tādi paši sensori un satvērēji. Pētnieki, kas ir aiz pūlēm, galu galā cer, ka simtiem robotu kopīgi iemācīsies saprast, kā saprast miljons dažādu lietu.
Darbu veica Stefānija Tellex , Brauna universitātes docente, kopā ar vienu no viņas absolventiem, Džons Oberlins . Viņi izmantoja divu roku rūpniecisko robotu ar nosaukumu Baxter, ko izgatavoja Bostonas uzņēmums Pārdomājiet robotiku .
Ziemeļaustrumu robotikas kolokvijā, pasākumā, kas šomēnes notika Vusteras Politehniskajā institūtā, Oberlins sabiedrībai demonstrēja robota satveršanas spējas.
Ļaut robotiem vienkāršāk manipulēt ar objektiem mūsdienās ir viens no lielākajiem izaicinājumiem robotikā, un tam varētu būt liela rūpnieciska nozīme (skatiet par Amazon balvu skatīt plauktu atlases roboti Will Vie ).
Tellex saka, ka robotikas pētnieki arvien vairāk meklē efektīvākus veidus, kā apmācīt robotus, lai veiktu tādus uzdevumus kā manipulācijas. Tagad mums ir jaudīgi algoritmi, piemēram, dziļa mācīšanās, kas var mācīties no lielām datu kopām, taču šiem algoritmiem ir nepieciešami dati, viņa saka. Robotu prakse ir veids, kā iegūt datus, kas robotam nepieciešami, lai iemācītos spēcīgi manipulēt ar objektiem.
Tellex arī atzīmē, ka mūsdienās dažādās pētniecības laboratorijās visā pasaulē ir aptuveni 300 Baxter robotu. Ja katrs no šiem robotiem izmantotu abas rokas, lai izpētītu jaunus objektus, viņa saka, viņiem būtu iespējams iemācīties satvert miljonu objektu 11 dienu laikā. Ja roboti dalās tajā, ko viņi ir iemācījušies, ir iespējams palielināt datu vākšanas ātrumu par lielumu kārtām, viņa saka.
Lai aptvertu katru objektu, Brauna pētnieku robots to skenē no dažādiem leņķiem, izmantojot vienu no kamerām rokās un infrasarkanos sensorus uz tā ķermeņa. Tas ļauj tai noteikt iespējamās vietas, kur to uztvert. Pētnieki izmantoja matemātisko paņēmienu, lai optimizētu dažādu satvērienu praktizēšanas procesu. Izmantojot šo paņēmienu, komandas Bakstera robots objektus uzņēma pat par 75 procentiem uzticamāk nekā izmantojot parasto programmatūru. Par katru objektu iegūtā informācija — attēli, 3-D skenēšana un pareizais satvēriens — tiek kodēta formātā, kas ļauj to kopīgot tiešsaistē.
Citas grupas izstrādā metodes, kas ļautu robotiem iemācīties veikt dažādus uzdevumus, tostarp satvert. Viens no daudzsološākajiem veidiem, kā to panākt, ir dziļa mācīšanās, izmantojot tā sauktos neironu tīklus, kas ir simulācijas, kas ir brīvi modelētas tam, kā smadzenēs esošie nervi apstrādā informāciju un mācās (skatiet sadaļu Robots Toddler mācās stāvēt, iztēlojoties, kā to izdarīt ).
Lai gan mācīšanās laikā cilvēks iegūst spēju uztvert, bērnam nav jāvelta tik daudz laika, lai apstrādātu dažādus priekšmetus, un viņš var izmantot iepriekšējo pieredzi, lai ļoti ātri saprastu, kā paņemt jaunu priekšmetu. Tellex saka, ka viņas projekta galvenais mērķis ir dot robotiem līdzīgas spējas. Viņa saka, ka mūsu ilgtermiņa mērķis ir izmantot šos datus, lai vispārinātu tos ar jauniem objektiem.