Роботы ловко упаковывают косметику благодаря алгоритмам глубокого обучения

Десятилетний калифорнийский стартап Vicarious занимается производством усовершенствованных технологических решений на базе искусственного интеллекта. Компания использует теоретические вычислительные принципы мозга человека для создания программного обеспечения, которое поможет технологическому решению мыслить и учиться как человек. В разработки стартапа уже инвестировали предприниматели-миллиардеры Марк Цукерберг, Илон Маск и Джефф Безос.

В офисах Vicarious в Юнион-Сити, США, 10 манипуляторов неустанно укладывают флаконы косметических средств в контейнеры на конвейерной ленте. Ловко справляться с антиперспирантами или лосьонами им помогает захват в виде присоски.

Интегратор приобретает стандартные промышленные роботы, а затем дополняет их своим программным обеспечением. В Балтиморе манипуляторы от Vicarious собирают наборы образцов для косметической компании Sephora. Ранее такая работа выполнялась исключительно людьми, а    сейчас с ней вполне могут справиться технологические решения. Все это стало возможным благодаря программному обеспечению на базе искусственного интеллекта.

Как утверждает генеральный директор и соучредитель компании Скот Феникс, разрешить  парадокс современного общества поможет только свежий подход к искусственному интеллекту. А дело вот в чем. Роботизированные руки и захваты существуют уже давно и компоненты к ним  еще никогда не были такими доступными и функциональными как сейчас. Но даже на фабриках и складах манипуляторы ограничены выполнением определенных жестко контролируемых задач. Их программное обеспечение должно быть специально запрограммировано для каждой ситуации и не может адаптироваться к неожиданным изменениям.

«Мы платим людям триллионы долларов в год за то, что роботы физически способны делать в течение последних 30 или 40 лет», — отметил Феникс.

Рассмотрим следующий пример. Робототехническое решение может обыграть человека в ходе обычной игры. Однако даже при незначительном изменении игры, например, путем увеличения яркости цветов или изменения размера объектов робот «сдаст позиции». Причина кроется в негибкости программного обеспечения.

Можно ли изменить ситуацию? Да. Если научить роботы работать по принципу глубокого обучения, а не руководствоваться специализированными алгоритмами под конкретные задачи.

Собственное программное обеспечение стартапа может справиться с приведенными в примере изменениями, поскольку они не влияют на понимание манипулятором механизмов игры. Однако на данном этапе роботы компании могут успешно адаптироваться только к небольшим изменениям.

Vicarious использует глубокое обучение для систем машинного зрения своих технологических решений. Программное обеспечение распознает данные, такие как изображения или аудио, и выполняет поиск статистических шаблонов, которые были извлечены из данных, полученных в ходе прошлых опытов. Один из способов научить робот захватывать предметы — это запрограммировать его на использование разных подходов и запоминание случаев успешного захвата и неудачи. Таким образом манипулятор будет работать более эффективно.  

«Ключевой частью интеллекта человека является построение гибких моделей мира, которые можно использовать в самых разных ситуациях, — пояснил Бренден Лэйк, доцент Нью-Йоркского университета. — Я думаю люди понимают, что этого нельзя достичь с крупномасштабными системами распознавания образов, обученными на больших наборах данных для выполнения одной конкретной задачи».

Похоже грядут большие перемены! Ожидается что благодаря инвестициям компании в фундаментальные исследования их роботы смогут расширить свой функционал и займутся более сложной работой чем размещение продукции на поддонах.  В свою очередь совершенствование принципов глубокого обучения поможет преобразовать экономику, изменив баланс труда между людьми и технологическими решениями.

 

 

 

Автор: Мария Котанович: 31.03.2020
Источник: Wired

 

Источник: robotforum.ru

Понравилась статья? Поделиться с друзьями:
datsun-car
Добавить комментарий