Руки не из «Ж»: как роботы учатся выполнять работу не хуже людей (GIF)

Раньше роботизированные руки могли делать только то, на что их запрограммировали целые команды инженеров. Теперь они могут самостоятельно решать сложные задачи.

Роботизированная рука? Пять пальцев с интеллектом, который позволит делать все, на что способна человеческая рука из плоти и крови? Пока еще это всего лишь фантазия.

Но в лучших мировых лабораториях разработки искусственного интеллекта исследователи приближаются к созданию роботизированных рук, которые смогут имитировать реальную часть тела.

Эксклюзив Price MEDIA:

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

 

Спиннер

Если вдруг вы заглянете в OpenAI, лабораторию искусственного интеллекта в Сан-Франциско, основанную Илоном Маском и несколькими другими значимыми именами Силиконовой долины, то увидите роботизированную руку под названием Дактиль. Она очень похожа на механический протез Люка Скайуокера из последней части фильма «Звездные войны»: механические пальцы гибки и подвижны аналогично человеческой руке.

Если вы дадите Dactyl алфавитный кубик и попросите его показать вам конкретные буквы — скажем, красный O, оранжевый P и синий И — он покажет их вам, начав весьма проворно вращать эту игрушку.

Для человеческой руки это простая задача. Но для машины с самоуправлением это выдающиеся достижение: Дактиль изучил задачу в основном самостоятельно. Используя математические методы, позволяющие Дактилю учиться, исследователи полагают, что смогут заставить роботизированные руки и другие механизмы выполнять гораздо более сложные задачи.

Эта необыкновенно гибкая и подвижная рука представляет собой огромный скачок в робототехнических исследованиях за последние несколько лет. До недавнего времени исследователи все еще пытались справиться с гораздо более простыми задачами с помощью гораздо более простых устройств.

Чтиво Price MEDIA:

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

 

Захватыватель

Созданная исследователями в лаборатории робототехники в Калифорнийском университете в Беркли, эта система представляла собой вершину технологического прогресса еще несколько лет тому назад. С помощью двух «умных пальцев» рука-робот способна брать такие предметы, как отвертка или плоскогубцы, и сортировать их в ящики.

Такое устройство гораздо легче контролировать, чем руку с пятью пальцами, а программное обеспечение, необходимого для работы захвата, не является достаточно сложным.

Эксклюзив Price MEDIA:

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

Оно способно работать с объектами, которые ему мало знакомы. Возможно, устройство не знает, что такое бутылка кетчупа из ресторана, однако если эта бутылка имеет ту же базовую форму, что и отвертка, машина со своей задачей справится.

Но если вдруг она сталкивается с чем-то, что отличается от ранее «увиденного» — к примеру, пластиковый браслет — ставка, увы, не сыграет.

 

Сортировщик

Настоящее чудо техники — это робот, который способен отсортировать что угодно, даже вещи, которых он никогда раньше не «видел». Это то, что исследователи Autolab создали за последние несколько лет.

Система по-прежнему использует простое оборудование: захват и присоску. Но при этом может подбирать всевозможные случайные предметы, от ножниц до пластиковых игрушечных динозавров.

Преимущество системы заключается в значительных успехах в механическом обучении. Исследователи из Беркли смоделировали строение более чем 10 000 объектов. Затем, используя алгоритм, называемый нейронной сетью, система проанализировала все эти данные и научилась определять лучший способ поднимать каждый из них. В прошлом исследователям приходилось программировать робота для выполнения каждой отдельной задачи. Теперь же он может самостоятельно изучить эти задачи.

Когда система сталкивается, скажем, с пластиковой игрушкой Йода, она выбирает способ «захват», в случае с с бутылкой кетчупа система будет использовать присоску.

Этот робот способен заниматься сортировкой мусора, состоящего из множества случайных вещей. И пусть система пока не идеальна, благодаря тому, что она может учиться сама по себе, необходимый результат придет быстрее, нежели с помощью машин прошлого.

 

«Застилатель» кроватей

Этот робот пусть пока и не способен превзойти работу горничной, но все же представляет собой значительный прогресс. Исследователи из Беркли создали систему всего за две недели, используя новейшие методы машинного обучения. Не так давно этот процесс занял бы месяцы или годы.

Сегодня этот робот может застилать кровать, просто анализируя данные — движения, которые приводят к получению необходимого результата.

 

Толкатель

В лаборатории BAIR университетского городка Беркли разработана отличающаяся от  предыдущих система, которая использует другие методы обучения. Она может подтолкнуть объект с помощью захвата и предсказать, куда этот предмет переместится. Это означает, что она способна перемещать игрушки по столу так же, как и мы с вами.

Система изучает это поведение, анализируя огромное количество видеоизображений, которые показывают перемещение объектов. Таким образом, она может справиться со спорными и непредвиденными ситуациями, которые возникают при выполнении такой задачи.

Будущее

Все эти задачи достаточно просты. И машины могут их выполнять только в определенных условиях. Они терпят неудачу ровно настолько, насколько впечатляют. Но методы машинного обучения, которые приводят эти системы в действие, несомненно говорят о дальнейшем прогрессе, которые следует ждать в последующие годы.

Как и в OpenAI, исследователи из Вашингтонского университета разрабатывают роботизированные руки, у которых пальцы и суставы аналогичны человеческим. И эта система намного сложнее, чем использующая механизм захвата или присоски.

Тренировка руки-робота происходит в симуляции — цифровом воссоздании реального мира, что значительно упрощает процесс обучения. В OpenAI исследователи тренируют свою руку Дактиль почти так же. На обучение системы вращать алфавитный кубик могло бы уйти 100 лет проб и ошибок. Однако цифровое моделирование, работающее на тысячах компьютерных чипов, сокращает процесс обучения до двух дней.

И все это дает надежду думать, что в будущем ИИ будет применим к более сложным задачам и вскоре мы увидим не только летающие беспилотники и самоуправляемые автомобили, а и многое другое.

Чтиво Price MEDIA:

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

По материалам The New York Times.