Ten robot fabryczny w ciągu nocy uczy się nowej pracy

W skromnie wyglądającym biurowcu w Tokio mieszka niezwykle sprytny robot przemysłowy japońskiej firmy Fanuc . Daj robotowi zadanie, na przykład wyjęcie widżetów z jednego pudełka i umieszczenie ich w innym pojemniku, a spędzi noc zastanawiając się, jak to zrobić. Rano maszyna powinna opanować zadanie tak dobrze, jakby została zaprogramowana przez eksperta.

Fanuc demonstruje robota przeszkolonego poprzez wzmacnianie na Międzynarodowej Wystawie Robotów w Tokio w grudniu.

Roboty przemysłowe są zdolne do ekstremalnej precyzji i szybkości, ale zwykle trzeba je bardzo dokładnie zaprogramować, aby zrobić coś takiego, jak chwytanie przedmiotu. Jest to trudne i czasochłonne, a to oznacza, że ​​takie roboty zwykle mogą pracować tylko w ściśle kontrolowanych środowiskach.

Robot Fanuc wykorzystuje technikę znaną jako głębokie uczenie ze wzmacnianiem, aby z czasem nauczyć się nowego zadania. Próbuje zbierać przedmioty podczas nagrywania materiału wideo z procesu. Za każdym razem, gdy się powiedzie lub nie, pamięta, jak wyglądał obiekt, wiedzę wykorzystywaną do udoskonalenia modelu uczenia głębokiego lub dużą sieć neuronową kontrolującą jego działanie. W ciągu ostatnich kilku lat głębokie uczenie się okazało się potężnym podejściem do rozpoznawania wzorców.

Po około ośmiu godzinach osiąga 90% lub więcej dokładności, czyli prawie tak samo, jakby programował go ekspert, wyjaśnia Shohei Hido, dyrektor ds. badań w firmie. Preferowane sieci , tokijska firma specjalizująca się w uczeniu maszynowym. Działa przez noc; następnego ranka jest dostrojony.

Naukowcy zajmujący się robotyką testują uczenie ze wzmacnianiem jako sposób na uproszczenie i przyspieszenie programowania robotów wykonujących pracę w fabryce. Na początku tego miesiąca Google opublikował szczegóły własnych badań nad wykorzystaniem uczenia się przez wzmacnianie do uczenia robotów chwytania przedmiotów.

Robot Fanuc został zaprogramowany przez Preferred Networks. Fanuc, największy na świecie producent robotów przemysłowych, zainwestował w sierpniu zeszłego roku 7,3 miliona dolarów w Preferred Networks. Firmy zademonstrowały uczącego się robota na Międzynarodowej Wystawie Robotów w Tokio w grudniu ubiegłego roku.

Hido mówi, że jedną z największych potencjalnych korzyści podejścia do uczenia się jest to, że można je przyspieszyć, jeśli kilka robotów pracuje równolegle, a następnie dzieli się tym, czego się nauczyły. Tak więc osiem robotów pracujących razem przez godzinę może wykonać tę samą naukę, co jedna maszyna pracująca przez osiem godzin. Nasz projekt jest zorientowany na rozproszone uczenie się, mówi Hido. Możesz sobie wyobrazić setki robotów fabrycznych dzielących się informacjami.

Ta forma rozproszonego uczenia się, czasami nazywana robotyką w chmurze, staje się dużym trendem zarówno w badaniach, jak i przemyśle (patrz 10 Przełomowe technologie 2016: Roboty, które uczą się nawzajem).

Fanuc jest dobrze przygotowany do myślenia o tym, mówi Ken Goldberg , profesor robotyki na Uniwersytecie Kalifornijskim w Berkeley, ponieważ instaluje tak wiele maszyn w fabrykach na całym świecie. Dodaje, że robotyka w chmurze najprawdopodobniej zmieni sposób wykorzystywania robotów w nadchodzących latach.

Goldberg i współpracownicy (w tym kilku badaczy z Google) w rzeczywistości idą o krok dalej, ucząc roboty, jak pewne ruchy mogą być wykorzystywane do chwytania nie tylko określonych obiektów, ale także określonych kształtów. Artykuł na temat tej pracy pojawi się na Międzynarodowej Konferencji IEEE na temat Robotyki i Automatyki w maju.

Goldberg zauważa jednak, że zastosowanie uczenia maszynowego w robotyce jest wyzwaniem, ponieważ kontrolowanie zachowania jest bardziej złożone niż, powiedzmy, rozpoznawanie obiektów na obrazach. Głębokie uczenie poczyniło ogromne postępy w rozpoznawaniu wzorców, mówi Goldberg. Wyzwanie związane z robotyką polega na tym, że robisz coś więcej. Musisz być w stanie generować odpowiednie działania dla szerokiego zakresu danych wejściowych.

Fanuc może nie być jedyną firmą opracowującą roboty wykorzystujące uczenie maszynowe. W 2014 roku szwajcarski producent robotów ABB zainwestował w kolejny startup AI o nazwie Vicarious. Jednak owoce tej inwestycji jeszcze się nie pojawiły.

ukryć