Šis rūpnīcas robots vienas nakts laikā apgūst jaunu darbu

Pieticīga izskata biroju ēkā Tokijā dzīvo neparasti gudrs industriālais robots, ko izgatavojis Japānas uzņēmums Fanuc . Dodiet robotam uzdevumu, piemēram, izvilkt logrīkus no vienas kastes un ievietot tos citā konteinerā, un tas pavadīs nakti, izdomājot, kā to izdarīt. Nākot no rīta, iekārtai vajadzēja apgūt šo darbu tikpat labi, it kā to būtu ieprogrammējis eksperts.

Fanuc Starptautiskajā robotu izstādē Tokijā decembrī demonstrē robotu, kas apmācīts pastiprināšanas mācībās.

Industriālie roboti spēj sasniegt ārkārtēju precizitāti un ātrumu, taču tie parasti ir ļoti rūpīgi jāprogrammē, lai varētu veikt kaut ko līdzīgu, piemēram, satvert objektu. Tas ir sarežģīti un laikietilpīgi, un tas nozīmē, ka šādi roboti parasti var strādāt tikai stingri kontrolētā vidē.

Fanuca robots izmanto paņēmienu, kas pazīstams kā dziļa pastiprināšanas mācīšanās, lai laika gaitā apmācītu sevi, kā apgūt jaunu uzdevumu. Tā mēģina uzņemt objektus, vienlaikus uzņemot procesa videomateriālu. Katru reizi, kad tas izdodas vai neizdodas, tas atceras, kā izskatījās objekts, zināšanas, kas tiek izmantotas, lai uzlabotu dziļās mācīšanās modeli, vai liels neironu tīkls, kas kontrolē tā darbību. Padziļināta mācīšanās pēdējos gados ir izrādījusies spēcīga pieeja modeļu atpazīšanā.

Pēc aptuveni astoņām stundām tas sasniedz 90 procentu precizitāti vai vairāk, kas ir gandrīz tāds pats kā tad, ja to programmētu eksperts, skaidro Shohei Hido, uzņēmuma galvenais pētnieks. Vēlamie tīkli , Tokijas uzņēmums, kas specializējas mašīnmācībā. Tas darbojas visu nakti; nākamajā rītā tas ir noregulēts.

Robotikas pētnieki pārbauda pastiprināšanas mācīšanos kā veidu, kā vienkāršot un paātrināt to robotu programmēšanu, kuri veic rūpnīcas darbu. Šī mēneša sākumā Google publicēja informāciju par saviem pētījumiem par pastiprināšanas mācību izmantošanu, lai mācītu robotiem, kā satvert objektus.

Fanuc robotu ieprogrammēja Preferred Networks. Fanuc, pasaulē lielākais industriālo robotu ražotājs, pagājušā gada augustā ieguldīja 7,3 miljonus USD Preferred Networks. Uzņēmumi demonstrēja mācību robotu Starptautiskajā robotu izstādē Tokijā pagājušā gada decembrī.

Viens no lielākajiem potenciālajiem ieguvumiem no mācīšanās pieejas, Hido saka, ir tas, ka to var paātrināt, ja vairāki roboti strādā paralēli un pēc tam dalās tajā, ko viņi ir iemācījušies. Tātad astoņi roboti, kas strādā kopā vienu stundu, var veikt tādas pašas mācības kā viena mašīna, kas darbojas astoņas stundas. Mūsu projekts ir orientēts uz dalītu mācīšanos, saka Hido. Varat iedomāties simtiem rūpnīcas robotu, kas dalās ar informāciju.

Šis sadalītās mācīšanās veids, ko dažkārt sauc par mākoņrobotiku, kļūst par lielu tendenci gan pētniecībā, gan rūpniecībā (skatiet 10 Breakthrough Technologies 2016: Robots That Teach Other).

Fanuc ir labi sagatavots, lai par to domātu, saka Kens Goldbergs , robotikas profesors Kalifornijas universitātē Bērklijā, jo tas uzstāda tik daudz mašīnu rūpnīcās visā pasaulē. Viņš piebilst, ka mākoņu robotika, visticamāk, turpmākajos gados pārveidos robotu izmantošanas veidu.

Goldbergs un kolēģi (tostarp vairāki Google pētnieki) faktiski sper soli tālāk, mācot robotiem, kā noteiktas kustības var izmantot, lai satvertu ne tikai konkrētus objektus, bet arī noteiktas formas. Raksts par šo darbu parādīsies IEEE starptautiskajā konferencē par robotiku un automatizāciju maijā.

Tomēr Goldbergs atzīmē, ka mašīnmācības pielietošana robotikā ir sarežģīta, jo uzvedības kontrole ir sarežģītāka nekā, piemēram, objektu atpazīšana attēlos. Goldberg saka, ka dziļa mācīšanās ir panākusi milzīgu progresu modeļu atpazīšanā. Robotikas izaicinājums ir tas, ka jūs darāt kaut ko ārpus tā. Jums ir jāspēj ģenerēt atbilstošas ​​darbības plašam ievades klāstam.

Fanuc, iespējams, nav vienīgais uzņēmums, kas izstrādā robotus, kas izmanto mašīnmācīšanos. 2014. gadā Šveices robotu ražotājs ABB investēja citā mākslīgā intelekta jaunuzņēmumā ar nosaukumu Vicarious. Tomēr šī ieguldījuma augļi vēl nav parādījušies.

paslēpties