Roboții sunt lucruri uimitoare, dar în afara domeniilor lor specifice sunt incredibil de limitate. Astfel, flexibilitatea – nu fizică, dar mentală – este o arie constantă de cercetare. Un trio de configurații robotice noi demonstrează că pot evolua pentru a face față situațiilor noi: folosirea ambelor "mâini", ridicarea după o cădere și înțelegerea instrucțiunilor vizuale pe care nu le-au mai văzut până acum

Roboții, toate dezvoltate independent, sunt adunate astăzi într-o ediție specială a revistei Science Robotics dedicată învățării. Fiecare arată un nou mod interesant în care roboții își pot îmbunătăți interacțiunile cu lumea reală.

Pe de altă parte …

Mai întâi, este vorba despre utilizarea instrumentului potrivit pentru un loc de muncă. Ca oameni cu clești multifuncționali la marginile brațelor noastre, suntem destul de experimentați în acest sens. Înțelegem dintr-o viață de lucruri care ne atingeți că trebuie să folosim această prindere pentru a ridica acest lucru, trebuie să folosim unelte pentru acest lucru, acesta va fi ușor, greu și așa mai departe

Roboții, desigur, nu au cunoștințe inerente despre acest lucru, ceea ce poate face lucrurile dificile; poate că nu înțelege că nu poate lua ceva de o anumită dimensiune, formă sau textură. Un nou sistem de la robotiștii din Berkeley acționează ca un proces rudimentar de luare a deciziilor, clasificând obiectele ca fiind capabile să fie apucate fie de o prindere obișnuită sau de o prindere a cuțitului de aspirație

Un robot, care deține atât simultan, decide cu mâna (folosind imaginile bazate pe adâncime) ce elemente să apucă și cu ce unealtă; rezultatul este o fiabilitate extrem de ridicată chiar și pe grămezi de obiecte pe care nu le-a mai văzut până acum.

Se face cu o rețea neuronală care a consumat milioane de puncte de date pe obiecte, aranjamente și încercări de a le apuca. Dacă ați încercat să ridicați un ursuleț de pluș cu o cană de aspirație și nu a funcționat primele zece mii de ori, ați continua să încercați? Acest sistem a învățat să facă acest tip de determinare și după cum vă puteți imagina un astfel de lucru este potențial foarte important pentru sarcini cum ar fi picking-ul de depozitare pentru care roboții sunt îngrijite.

Interesant este faptul că, din cauza naturii rețelei neuronale complexe, este dificil să se spună exact ceea ce Dex-Net 4.0 își bazează efectiv alegerile, deși există unele preferințe evidente, a explicat Ken Goldberg, Berkeley, într-un e-mail.

"Putem încerca să deducem o anumită intuiție, dar cele două rețele sunt impresionante prin faptul că nu putem extrage politici" inteligibile "", a scris el. "Am descoperit în mod empiric că suprafețele plană netede de la margini, în general, se potrivesc bine pe modelul de aspirație și că perechile de puncte antipodale obțin, în general, rezultate bune pentru gripper."

Acum, că fiabilitatea și versatilitatea sunt ridicate, următorul pas este viteza; Goldberg a spus că echipa "lucrează la o nouă abordare interesantă" pentru a reduce timpul de calcul al rețelei, să fie documentat, fără îndoială, într-o lucrare viitoare.

Noi trucuri ale lui ANYmal

Roboții quadrupedali sunt deja flexibili prin faptul că se pot ocupa în mod confortabil de tot felul de terenuri, chiar dacă se recuperează de la alunecări (și, desigur, lovituri crude). Dar când cad, cad greu . Și, în general, nu se ridică.

Modul în care aceste roboți au configurate picioarele le face dificilă să facă lucruri în alt mod decât în ​​poziție verticală. Dar ANYmal, un robot dezvoltat de ETH Zurich (și pe care îl puteți aminti de la micul său excursie la canalizare recent), are o configurație mai versatilă, care îi conferă picioarelor un plus de libertate

Ce puteai să faci cu acea mișcare suplimentară? Tot felul de lucruri. Dar este incredibil de dificil să dai seama exact modul cel mai bun pentru ca robotul să se miște pentru a maximiza viteza sau stabilitatea. Deci, de ce nu folosiți o simulare pentru a testa mii de ANYmals care încearcă diferite lucruri simultan și folosiți rezultatele din lumea reală

Această învățare bazată pe simulare nu funcționează întotdeauna, deoarece acum nu este posibil să simuleze cu exactitate toată fizica implicată. Dar poate produce comportamente extrem de noi sau raționaliza pe care oamenii le-au crezut deja optimiste.

În orice caz au făcut cercetătorii aici și nu numai că au ajuns la un trot mai repede pentru bot (de mai sus), dar au învățat un nou șmecherie uimitor: ridicarea de la o cădere. Orice cădere. Urmăriți acest lucru:

Este extraordinar faptul că robotul a venit cu o singură tehnică, pentru a se ridica de pe aproape orice poziție de cădere, atâta timp cât are spațiu și utilizare a tuturor picioarelor. Amintiți-vă că oamenii nu au proiectat acest lucru – algoritmii de simulare și de evoluție au venit cu ea prin încercarea de mii de comportamente diferite și reținerea celor care au lucrat

Asamblarea Ikea este aplicația ucigașă

Să presupunem că ți s-au dat trei boluri, cu bile roșii și verzi în centrul. Apoi ți se dă acest lucru pe o foaie de hârtie:

Ca un om cu creier, luați această lucrare pentru instrucțiuni și înțelegeți că cercurile verzi și roșii reprezintă bilele acelor culori și că cele roșii trebuie să meargă spre stânga, în timp ce cele verzi se duc spre dreapta .

Acesta este unul dintre acele lucruri în care oamenii aplică o cantitate vastă de cunoștințe și o înțelegere intuitivă fără să o realizeze. Cum ați ales să decideți că cercurile reprezintă bilele? Din cauza formei? Atunci de ce săgețile nu se referă la săgețile "reale"? De unde știi cât de departe te duci la dreapta sau la stânga? De unde știi că hârtia chiar se referă la aceste elemente? Toate întrebările pe care le-ați rezolva într-o fracțiune de secundă, iar oricare dintre acestea ar putea zdrobi un robot.

Cercetătorii au făcut niște pași pentru a putea conecta reprezentări abstracte precum cele de mai sus cu lumea reală, o sarcină care implică o cantitate semnificativă de ceea ce reprezintă un fel de creativitate sau imaginație a mașinii

Efectuarea legăturii dintre un punct verde pe un fundal alb într-o diagramă și un lucru rotund în verde pe un fundal negru în lumea reală nu este evidentă, ci "computerul vizual cognitiv" creat de Miguel Lázaro-Gredilla și de colegii de la Vicarious AI pare să se descurce destul de bine la el

Este încă foarte primitiv, desigur, dar teoretic este același set de instrumente pe care se folosește, de exemplu, asamblarea unei bucăți de mobilier Ikea: uitați-vă la o reprezentare abstractă, conectați-o la obiecte din lumea reală, apoi manipulați-le obiecte în conformitate cu instrucțiunile. Suntem la mai mulți ani, dar nu a fost cu mult timp în urmă că eram ani în urmă de la un robot care se ridica de la o cădere sau de a hotărî că o cană de aspirație sau un ciocan ar funcționa mai bine pentru a ridica ceva

Lucrările și videoclipurile care demonstrează toate conceptele de mai sus ar trebui să fie disponibile pe site-ul Science Robotics

Join the LARGEST XXX Cam Site
Watch Series Online for free, Full episodes – Watch Series – Watch Series – swatchseries.bi

LĂSAȚI UN MESAJ

Please enter your comment!
Please enter your name here