211service.com
Exklusivt: Det här är den mest skickliga roboten som någonsin skapats
HALV CITRUS Citrus Medium
Det kanske inte ser så speciellt ut, men roboten ovan är, enligt en ny åtgärd, den mest skickliga som någonsin skapats. Bland andra knep kan den sortera igenom din skräplåda med oöverträffad hastighet och skicklighet.
Nyckeln till dess skicklighet ligger inte i dess mekaniska gripdon utan i dess hjärna. Roboten använder programvara som heter Dex-Net för att avgöra hur man plockar upp även udda föremål med otrolig effektivitet.
Dex-Net har utvecklats av Ken Goldberg , professor vid UC Berkeley, och en av hans doktorander, Jeff Mahler. Programvaran körs på en industriell maskin tillverkad av ABB, ett schweiziskt robotföretag. Goldberg demonstrerade den senaste versionen av sitt system på EmTech Digital, ett evenemang i San Francisco organiserat av MIT Technology Review och dedikerade till artificiell intelligens.
Goldbergs system är mycket närmare att matcha en människas skicklighet än något som tidigare utvecklats. Industrirobotar med bättre skicklighet skulle kunna användas i lager och fabriker samt sjukhus och hem.
Det som är särskilt smart med Dex-Net är hur det lär sig att förstå. Programvaran försöker plocka upp objekt i en virtuell miljö, träna ett djupt neuralt nätverk genom att trial and error. Även i simulering är detta en mödosam uppgift. Avgörande är dock att Dex-Net kan generalisera från ett objekt som det har sett tidigare till ett nytt. Roboten kommer till och med att knuffa ett föremål för att få en bättre titt på det om den inte är säker på hur den ska greppas. Den senaste versionen av systemet inkluderar en högupplöst 3D-sensor och två armar, var och en styrd av ett annat neuralt nätverk. En arm är utrustad med en konventionell robotgripare och en annan med ett sugsystem. Robotens programvara skannar ett objekt och tittar sedan på båda neurala nätverken för att i farten avgöra om det är mer meningsfullt att ta tag i eller suga det specifika objektet.
Forskare från UC Berkeley utvecklade också ett bättre sätt att mäta prestandan hos en plockrobot: ett mått som kallas medelvärde plockningar per timme, som beräknas genom att multiplicera den genomsnittliga tiden per plockning och den genomsnittliga sannolikheten för framgång för en konsekvent uppsättning objekt.
Det nya måttet kommer att hjälpa forskningslaboratorier som arbetar med plockrobotar att dela sina resultat. Vi har pratat om hur vi ska anpassa våra resultat så att vi ser framsteg, säger Goldberg. Allt beror på vilken robot du använder, vilken sensor du använder och – mycket viktigt – vilka objekt du använder.
Jeremy Portje
Människor är kapabla till mellan 400 och 600 genomsnittliga plockningar per timme. I en tävling som nyligen arrangerades av Amazon var de bästa robotarna kapabla till mellan 70 och 95. Den nya maskinen når 200 till 300 genomsnittliga plockningar per timme, säger Goldberg. Resultaten kommer att presenteras vid en konferens i Australien senare i år.
Under sin presentation tillade Goldberg att han inom fem år förväntar sig att robotar kommer att nå 'mänskliga eller till och med övermänskliga medelval per timme.'
Att greppa och manipulera obekväma och okända föremål är en grundläggande utmaning inom robotik, och en som har hållit tillbaka tekniken. Robotarna som finns i bilfabriker, till exempel, är snabba och exakta men har ingen förmåga att anpassa sig till en föränderlig eller obekant miljö. Förutom fabriks- eller lagerarbete kan mer sofistikerad manipulation leda till de första användbara robotarna för att hjälpa människor på platser som sjukhus och äldreomsorgsanläggningar.
De senaste framstegen inom denna aspekt av robotik är resultatet av flera samtidiga trender. Mindre, säkrare robotar har spridit sig, nya typer av ändgripare har dykt upp och – det viktigaste – stora framsteg har gjorts inom maskininlärning.
Jeff Mahler, doktorand vid UC Berkeley, konfigurerar robotsystemet Dex-Net. Adriel Olmos
Förutom Goldbergs arbete och forskning vid flera andra akademiska laboratorier, forskare på platser som DeepMind och OpenAI har börjat utforska hur maskininlärning kan användas för att göra robotar smartare och mer anpassningsbara. Framsteg inom robotik kan mycket väl återkopplas till andra områden av AI, såsom perception.
Maskininlärning har en aldrig tidigare skådad inverkan på robotik, säger Russ Tedrake, professor vid MIT som har sett UC Berkeley-roboten demonstreras. Det finns ett otroligt värde i att få robotar att spridas till den grad att vi äntligen har stordata för robotik.