Ta kuchnia Ikea może nauczyć roboty przemysłowe, aby były mniej głupie i bardziej pomocne

Nvidia

Mimo wszystkich ostatnich postępów w sztucznej inteligencji roboty przemysłowe pozostają zadziwiająco głupie i niebezpieczne. Jasne, potrafią precyzyjnie i powtarzalnie wykonywać żmudne zadania, ale nie potrafią reagować na zmiany w swoim otoczeniu ani radzić sobie z czymś nowym. To poważnie ogranicza użyteczność robotów w miejscu pracy.

Nvidia chce wykorzystać uczenie maszynowe do rozwiązania tego problemu. Wiodący na świecie producent specjalistycznych chipów komputerowych, które mają kluczowe znaczenie dla sztucznej inteligencji, otwiera nowe laboratorium robotyki w Seattle, aby uczynić roboty współpracujące z ludźmi — co-botami — inteligentniejszymi i wydajniejszymi. A to wszystko w oparciu o standardową kuchnię z Ikei.

Jeden system w kuchni-laboratorium — pojedyncze ramię robota umieszczone na platformie na kółkach — spędza już całe dnie na przynoszeniu słoików, butelek i pudełek i wkładaniu ich do szuflad. Dieter Lis twórca laboratorium i profesor na Uniwersytecie Waszyngtońskim mówi, że takie zadania wyposażają roboty w umiejętności niezbędne do wykonywania trudniejszych prac fabrycznych lub pomocy w szpitalach. Uważam, że jest to idealna domena do reprezentowania każdego wyzwania, mówi Fox.

Zadania kuchenne będą coraz trudniejsze, od znajdowania i przenoszenia znajomych przedmiotów po pracę z nieznanymi. W końcu, jeśli wszystko pójdzie dobrze, robot będzie mógł współpracować z człowiekiem, robiąc coś tak złożonego, jak przygotowywanie posiłku.

Kolejną zaletą korzystania ze standardowej kuchni Ikea jest to, że inne laboratoria robotyki będą w stanie odtworzyć pracę zespołu Nvidii i porównać ją z własną. Nowe laboratorium będzie składało się z około 50 naukowców zajmujących się robotyką, w tym wykładowców zatrudnionych w niepełnym wymiarze godzin i stażystów.

Ostatnie kilka lat przyniosło zachęcające sygnały, że postępy w uczeniu maszynowym mogą znacznie zwiększyć możliwości robotów przemysłowych. W szczególności uczenie się przez wzmacnianie okazało się ekscytującym sposobem dla robotów na radzenie sobie z trudnymi wyzwaniami. Polega na kontrolowaniu robota z głęboką siecią neuronową i nagradzaniu zachowania, które zbliża system do określonego celu.

Na przykład robot o nazwie Daktyl , z OpenAI, organizacji non-profit z San Francisco, nauczył się manipulować blokadą dziecka, ćwicząc przez równowartość 100 lat w symulacji komputerowej. Jednak niepowodzenia komercyjne pokazują, jak trudno jest uczynić inteligentniejsze roboty bardziej praktycznymi.

Problem z większością projektów polega na tym, że działają one tylko w stosunkowo wąskich sytuacjach. Nieznacznie zmień środowisko, a system będzie musiał nauczyć się wszystkiego od nowa. Większość dem z tej dziedziny nie jest tak ogólna, jak się wydaje, mówi Todorov , robotyk również z University of Washington, który opracował popularne środowisko symulacyjne dla robotów o nazwie MuJoCo.

Fox twierdzi, że kluczem do bardziej uogólnionego uczenia się robotów może być wyposażenie robotów w fundamentalne zrozumienie świata fizycznego, w tym elementów takich jak grawitacja. Ten pomysł — z którym eksperymentują — może być nieco podobny do tego intuicyjne rozumienie fizyki które wystawiają dzieci.

Niewiele firm przeszło rewolucję sztucznej inteligencji tak, jak Nvidia. Warto więc zwrócić uwagę, kiedy firma stawia na robotykę. Nvidia może skorzystać na rewolucji AI w robotyce przemysłowej, częściowo dlatego, że jej sprzęt ma kluczowe znaczenie dla obsługi nowoczesnego oprogramowania do uczenia maszynowego. Jego technologia jest również cenna do przeprowadzania wirtualnych symulacji, które mają coraz większe znaczenie w szkoleniu robotów.

Fox i jego koledzy z laboratorium w Seattle są szczególnie podekscytowani pojawiającym się trendem w kierunku wirtualnych środowisk, które są zarówno fizycznie realistyczne, jak i wizualnie nie do odróżnienia od rzeczywistego świata. Symulacja będzie odgrywać bardzo, bardzo ważną rolę w przyszłości robotów, mówi Fox.

ukryć