211service.com
Dette Ikea-kjøkkenet kan lære industriroboter å være mindre dumme og mer hjelpsomme
Nvidia
På tross av den siste fremgangen innen kunstig intelligens, forblir industriroboter utrolig dumme og farlige. Visst, de kan utføre vanskelige oppgaver presist og repeterende, men de kan ikke reagere på variasjoner i miljøet eller takle noe nytt. Det begrenser sterkt hvor nyttige roboter kan være på arbeidsplassen.
Nvidia ønsker å bruke maskinlæring for å løse dette problemet. Verdens ledende produsent av spesialiserte databrikker som er avgjørende for kunstig intelligens, åpner et nytt robotlaboratorium i Seattle for å gjøre robotene som jobber sammen med mennesker – co-bots – smartere og dyktigere. Og det hele er basert på et standard kjøkken fra Ikea.
Ett system inne i kjøkkenlaboratoriet – en enkelt robotarm som sitter på toppen av en plattform med hjul – bruker allerede dagene på å hente krukker og flasker og bokser og legge dem i skuffer. Dieter Fox , skaperen av laboratoriet og professor ved University of Washington, sier at slike oppgaver utstyrer roboter med ferdighetene som kreves for å utføre mer utfordrende fabrikkarbeid, eller hjelpe til på sykehus. Jeg ser på dette som det ideelle domenet for å representere enhver utfordring, sier Fox.
Kjøkkenoppgavene vil bli stadig vanskeligere, fra å finne og flytte kjente gjenstander til å jobbe med ukjente. Til slutt, hvis alt går bra, vil en robot kunne jobbe sammen med et menneske som gjør noe så komplekst som å tilberede et måltid.
En annen fordel med å bruke et standard Ikea-kjøkken er at andre robotikklaboratorier vil kunne replikere Nvidia-teamets arbeid og sammenligne det med sitt eget. Det nye laboratoriet vil omfatte omtrent 50 robotikkforskere, inkludert deltidsansatte fakulteter og praktikanter.
De siste årene har gitt oppmuntrende tegn på at fremskritt innen maskinlæring kan øke kapasiteten til industriroboter betydelig. Spesielt forsterkende læring har dukket opp som en spennende måte for roboter å takle vanskelige utfordringer. Det innebærer å kontrollere en robot med et dypt nevralt nettverk og belønne atferden som bringer systemet nærmere et gitt mål.
For eksempel ringte en robot Dactyl , fra OpenAI, en ideell organisasjon i San Francisco, lærte å manipulere et barns blokkering ved å øve i tilsvarende 100 år i en datasimulering. Kommersielle feil viser imidlertid hvor vanskelig det er å gjøre smartere roboter mer praktiske.
Problemet med de fleste prosjekter er at de kun fungerer i relativt trange situasjoner. Endre miljøet litt, og systemet må lære alt på nytt fra bunnen av. De fleste av demoene i dette feltet er ikke på langt nær så generelle som de er laget for å fremstå, sier Todorov , en robotiker også ved University of Washington, som utviklet et populært simuleringsmiljø for roboter kalt MuJoCo.
Fox sier at nøkkelen til mer generaliserbar robotlæring kan være å utstyre roboter med en grunnleggende forståelse av den fysiske verden, inkludert elementer som gravitasjon. Denne ideen - som de eksperimenterer med - kan være litt beslektet med intuitiv forståelse av fysikk som babyer stiller ut.
Få selskaper har kjørt revolusjonen av kunstig intelligens på samme måte som Nvidia. Så det er verdt å merke seg når selskapet satser på robotikk. Nvidia kan dra nytte av en AI-revolusjon innen industriell robotikk, delvis fordi maskinvaren er avgjørende for å kjøre moderne maskinlæringsprogramvare. Teknologien er også verdifull for å utføre virtuelle simuleringer som i økende grad er nøkkelen til å trene roboter.
Fox og kollegene hans ved laboratoriet i Seattle er spesielt begeistret for en ny trend mot virtuelle miljøer som både er fysisk realistiske og visuelt ikke kan skilles fra den virkelige verden. Simulering kommer til å spille en veldig, veldig viktig rolle i fremtiden til roboter, sier Fox.