Idea hatchers bij de Moonshot Factory, Alfabet X, zijn bezig geweest met een Everyday Robot-project en het doel ervan is vrij eenvoudig. Ze willen graag 'een robot bouwen die kan leren werken in veel verschillende situaties'.

Ergens tussen de krantenkoppen over supersterrobots van Boston Dynamics die back-flips doen en over planken springen, en de onderste laag van schattige marsrobots die glimlachen en knipperen, is die middelste laag van alledaagse robots die mensen in alledaagse situaties kunnen helpen - tenminste die middelste laag laag is de focus van het project geworden.

Het interessante van dit project is niet alleen uitvinden hoe je de robots maakt, maar ook hoe je robots maakt die kunnen leren - in plaats van 'ze nauwgezet te coderen om specifieke en gestructureerde taken uit te voeren'.

Tot nu toe is er elders voldoende bewijs dat robots worden geleerd om te leren, maar het projectteam is geïnteresseerd in robots die agile leren, Dat, ooit uitgerust met camera's en machine learning-software, kan het rommelige observeren, onvoorspelbare wereld om hen heen zonder, als De Download nieuwsbrief, MIT Technology Review , zet het, "elke potentiële situatie die ze kunnen tegenkomen, leren."

De inspanningen van het team om te werken aan alledaagse robots hebben hun vruchten afgeworpen door te bevestigen wat ze hoopten dat het geval zou zijn - door robots eenvoudige taken te geven en ze vervolgens te laten oefenen, het is mogelijk om hen te leren nieuwe en betere capaciteiten te ontwikkelen.

"De meeste robots bevinden zich op de plek waar mainframecomputers stonden in de jaren '60 en '70, " zei Hans Peter Brondmo, die de titel van Chief Robot Whisperer draagt, het alledaagse robotproject, X, en dat zijn "dure specialistische machines, beheerd door deskundigen, het uitvoeren van gespecialiseerde taken in speciaal ontworpen omgevingen."

Bedenk dat een robot die bedoeld is voor taken met beperkte assemblagelijnen, is gecodeerd en ontworpen om in een zeer gestructureerde omgeving te werken. Hoe zit het met de robot die een onverwachte obstructie tegenkomt?

"Om ervoor te zorgen dat robots van dag tot dag nuttig zijn, ze moeten de ruimtes waarin we leven en werken begrijpen en begrijpen... Dit vereist nieuwe vormen van machine-intelligentie."

De projectleden kozen ervoor om verschillende soorten docenten te betrekken. Het zijn (1) andere robots (2) mensen en (3) cloudsimulaties. Er werd op gewezen dat de studentenrobots snel leren door middel van high-fidelity simulaties.

"We hebben onderzocht hoe robots kunnen leren van menselijke demonstraties, uit gedeelde ervaring, en hoe we het leren kunnen versnellen door robots in de cloud te simuleren. Toen we eenmaal zagen wat er mogelijk was, we begonnen onze weg uit het lab te plannen, ' zei Brondmo.

Hoe gaat het met hen?

Tot dusver, de robots laten zien dat ze aan het leren zijn. De robots hebben geleerd hoe ze afval moeten sorteren. Er wordt getest op locaties van Alphabet in Californië. Dit is een leeroefening. Net als mensen, ze zijn verplicht om te kiezen welke afvalitems in welke recipiënten moeten worden gestort, recyclen, of composteren. (Jay Peters in De rand toonde een GIF van een robot die een recyclebaar blikje sorteert van een composthoop naar een recyclingstapel. "Dit is wild - kijk hoe de arm het blikje grijpt, " hij zei.)

Het team onthulde zijn trainingsaanpak:"Elke avond, tienduizenden virtuele robots oefenen het sorteren van het afval in een virtueel kantoor in onze cloudsimulator; vervolgens verplaatsen we de training naar echte robots om hun sorteervermogen te verfijnen. Deze real-world training wordt vervolgens weer geïntegreerd in de gesimuleerde trainingsgegevens en gedeeld met de rest van de robots, zodat de ervaring en het leren van elke robot met hen allemaal wordt gedeeld."

Net zoals de robots leren, ook de projectdeelnemers krijgen belangrijke berichten. Het team kijkt naar het succes van robots die uitzoeken hoe ze afval moeten sorteren en het team zei dat "ze bewijzen dat het voor robots mogelijk is om te leren hoe ze nieuwe taken in de echte wereld moeten uitvoeren, gewoon door te oefenen, in plaats van dat ingenieurs elke nieuwe taak 'handcoderen', uitzondering, of verbetering."

De projectsite zei:"De robots leren navigeren en assisteren in werkomgevingen die met mensen worden gedeeld. Ze doen dingen zoals recycling sorteren (voor nu vrij langzaam). De eerste resultaten zijn bemoedigend en het team blijft onderzoeken, experiment, en leren om robots naar een plek te krijgen waar ze iedereen kunnen helpen, elke dag."

De download:"Voorlopig:de vroege prototyperobots leren afval te sorteren. Het klinkt alledaags, maar het is moeilijk om robots verschillende soorten objecten te laten identificeren." De nieuwsbrief hoefde zich niet te verontschuldigen dat sorteren alledaags leek. Het is ook niet alledaags voor gewone mensen. Oude lampenkap daar; plastic flessen hier; lege shampooflessen, hmm, gebruikte geschenkverpakkingen, koekjesblikken, gespoelde vissenblikken, goed, geef ons een minuut.

Terug naar het rapport van het project:Dit is het succes van de afvalsorteerrobots in cijfers:Gedurende de laatste paar maanden, schreef Brondmo, robots hebben duizenden stukken afval gesorteerd en de vervuilingsniveaus van hun kantoor teruggebracht van 20 procent - wat het is als mensen voorwerpen in de bakken leggen - tot minder dan 5 procent.

© 2019 Wetenschap X Netwerk