Руки не з ж: як роботи вчаться виконувати роботу не гірше людей (GIF)

Раніше роботизовані руки могли робити тільки те, на що їх запрограмували цілі команди інженерів. Тепер вони можуть самостійно вирішувати складні завдання.

Роботизована рука? П’ять пальців з інтелектом, який дозволить робити все, на що здатна людська рука з плоті і крові? Поки що це всього лише фантазія.

Але в кращих світових лабораторіях розробки штучного інтелекту дослідники наближаються до створення роботизованих рук, які зможуть імітувати реальну частину тіла.

Ексклюзив Price MEDIA:

https://blog.price.ua/articles/denis-tsyiganok-lun-ua-chtobyi-reshit-problemu-lyudey-myi-dolzhnyi-stat-konkurentom-facebook-i-google/

&Nbsp;

Спиннер

Якщо раптом ви заглянете в OpenAI, лабораторію штучного інтелекту в Сан-Франциско, засновану Илоном Маском та кількома іншими значущими іменами Силіконової долини, то побачите роботизовану руку під назвою Дактиль. Вона дуже схожа на механічний протез Люка Скайуокера з останньої частини фільму «Зоряні війни»: механічні пальці гнучкі і рухливі аналогічно людській руці.

Якщо ви дасте Dactyl алфавітний кубик і попросіть його показати вам конкретні букви — скажімо, червоний O, Помаранчевий P і синій і — він покаже їх вам, почавши вельми моторно обертати цю іграшку.

Для людської руки це просте завдання. Але для машини з самоуправлінням це видатні досягнення: Дактиль вивчив завдання в основному самостійно. Використовуючи математичні методи, що дозволяють дактилю вчитися, дослідники вважають, що зможуть змусити роботизовані руки та інші механізми виконувати набагато складніші завдання.

Ця надзвичайно гнучка і рухома рука являє собою величезний стрибок в робототехнічних дослідженнях за останні кілька років. До недавнього часу дослідники все ще намагалися впоратися з набагато простішими завданнями за допомогою набагато простіших пристроїв.

Чтиво Price MEDIA:

https://blog.price.ua/articles/prosto-o-slozhnom-pochemu-batarei-smartfonov-tak-byistro-umirayut/

&Nbsp;

Створена дослідниками в лабораторії робототехніки в Каліфорнійському університеті в Берклі, ця система являла собою вершину технологічного прогресу ще кілька років тому. За допомогою двох «розумних пальців» рука-робот здатна брати такі предмети, як викрутка або плоскогубці, і сортувати їх в ящики.

Такий пристрій набагато легше контролювати, ніж руку з п’ятьма пальцями, а програмне забезпечення, необхідного для роботи захоплення, не є досить складним.

Ексклюзив Price MEDIA:

https://blog.price.ua/articles/igor-zaytsev-dlya-dostavki-vozduhom-nuzhno-reshit-tri-problemyi-a-poka-dronyi-strigut-kustyi-i-uvolnyayut-lyudey/

Воно здатне працювати з об’єктами, які йому мало знайомі. Можливо, пристрій не знає, що таке пляшка кетчупу з ресторану, однак якщо ця пляшка має ту ж базову форму, що і викрутка, машина зі своїм завданням впорається.

Але якщо раптом вона стикається з чимось, що відрізняється від раніше «побаченого»-наприклад, пластиковий браслет — ставка, на жаль, не зіграє.

&Nbsp;

Сортувальник

Справжнє диво техніки-це робот, який здатний відсортувати що завгодно, навіть речі, яких він ніколи раніше не «бачив». Це те, що дослідники Autolab створили за останні кілька років.

Система як і раніше використовує просте обладнання: захоплення і присоску. Але при цьому може підбирати всілякі випадкові предмети, від ножиць до пластикових іграшкових динозаврів.

Перевага системи полягає в значних успіхах в механічному навчанні. Дослідники з Берклі змоделювали будову більш ніж 10 000 об’єктів. Потім, використовуючи алгоритм, званий нейронною мережею, система проаналізувала всі ці дані і навчилася визначати найкращий спосіб піднімати кожен з них. У минулому дослідникам доводилося програмувати робота для виконання кожного окремого завдання. Тепер же він може самостійно вивчити ці завдання.

Коли система стикається, скажімо, з пластиковою іграшкою йоду, вона вибирає спосіб «захоплення», у випадку з з пляшкою кетчупу система буде використовувати присоску.

Цей робот здатний займатися сортуванням сміття, що складається з безлічі випадкових речей. І нехай система поки не ідеальна, завдяки тому, що вона може вчитися сама по собі, необхідний результат прийде швидше, ніж за допомогою машин минулого.

&Nbsp;

«Застилатель» ліжок

Цей робот нехай поки і не здатний перевершити роботу покоївки, але все ж являє собою значний прогрес. Дослідники з Берклі створили систему всього за два тижні, використовуючи новітні методи машинного навчання. Не так давно цей процес зайняв би місяці або роки.

Сьогодні цей робот може застеляти ліжко, просто аналізуючи дані — руху, які призводять до отримання необхідного результату.

&Nbsp;

Штовхач

У лабораторії Bair університетського містечка Берклі розроблена відрізняється від попередніх система, яка використовує інші методи навчання. Вона може підштовхнути об’єкт за допомогою захоплення і передбачити, куди цей предмет переміститься. Це означає, що вона здатна переміщати іграшки по столу так само, як і ми з вами.

Система вивчає цю поведінку, аналізуючи величезну кількість відеозображень, які показують переміщення об’єктів. Таким чином, вона може впоратися зі спірними і непередбаченими ситуаціями, які виникають при виконанні такого завдання.

Майбутнє

Всі ці завдання досить прості. І машини можуть їх виконувати тільки в певних умовах. Вони зазнають невдачі рівно настільки, наскільки вражають. Але методи машинного навчання, які приводять ці системи в дію, безсумнівно говорять про подальший прогрес, які слід чекати в наступні роки.

Як і в OpenAI, дослідники Вашингтонського університету розробляють робототехнічні руки, які мають пальці та суглоби, подібні до людини. І ця система набагато складніше, ніж використовує механізм захоплення або присоски.

Тренування руки-робота відбувається в симуляції-цифровому відтворенні реального світу, що значно спрощує процес навчання. У OpenAI дослідники тренують свою руку Дактиль майже так само. На навчання системи обертати алфавітний кубик могло б піти 100 років проб і помилок. Однак цифрове моделювання, що працює на тисячах комп’ютерних чіпів, скорочує процес навчання до двох днів.

І все це дає надію думати, що в майбутньому ШІ буде застосуємо до більш складних завдань і незабаром ми побачимо не тільки літаючі безпілотники і самокеровані автомобілі, а й багато іншого.

Чтиво Price MEDIA:

https://blog.price.ua/articles/nizshiy-klass-smoet-tretya-volna-kak-ekonomika-izmenit-sistemu-obrazovaniya/

За матеріалами The New York Times .

Загрузка ...
PriceMedia