En Moonshot-robot tjener karakterer for at sortere affald

Idéudlæggere på Moonshot Factory, Alfabet X, har haft travlt med et Everyday Robot-projekt, og dets mål er ret simpelt. De er opsatte på at "bygge en robot, der kan lære at operere i mange forskellige situationer."

Et sted mellem overskrifterne over superstjernerobotter fra Boston Dynamics, der laver back-flips og springer hen over planker, og det nederste lag af søde martian-robotter, der smiler og blinker, er det midterste lag af hverdagsrobotter, der kan hjælpe folk i hverdagssituationer – i hvert fald den midterste. lag er blevet projektets fokus.

Det interessante ved dette projekt er ikke bare at finde ud af, hvordan man laver robotterne, men snarere, hvordan man laver robotter, der kan lære – i et skridt væk fra "omhyggeligt at kode dem til at udføre specifikke og strukturerede opgaver."

Indtil videre har der været rigeligt bevis andre steder for, at robotter bliver lært at lære, men projektteamet er interesseret i robotter, der er agile elever, at, en gang udstyret med kameraer og maskinlæringssoftware, kan observere det rodede, uforudsigelig verden omkring dem uden, som Download nyhedsbrevet, MIT Technology Review , Læg det, "at blive undervist i enhver potentiel situation, de kan støde på."

Holdets indsats for at arbejde hen imod hverdagsrobotter har givet pote ved at bekræfte, hvad de håbede ville være tilfældet – ved at give robotter enkle opgaver og derefter få dem til at øve sig, det er muligt at lære dem at udvikle nye og bedre evner.

"De fleste robotter er der, hvor mainframe-computere var i 60'erne og 70'erne, sagde Hans Peter Brondmo, som bærer titlen Chief Robot Whisperer, Everyday Robot Project, X, og det ville være "dyre specialmaskiner, drevet af eksperter, udfører specialiserede opgaver i specialdesignede miljøer."

Overvej, at en robot beregnet til samlebåndsbegrænsede opgaver er blevet kodet og konstrueret til at fungere i et meget struktureret miljø. Hvad med robotten, der møder en uventet forhindring?

"For at robotter kan være nyttige i hverdagen, de skal forstå og give mening i de rum, hvor vi bor og arbejder...Dette kræver nye former for maskinintelligens."

Projektmedlemmerne valgte at inddrage forskellige slags lærere. De er (1) andre robotter (2) mennesker og (3) skysimuleringer. Det blev påpeget, at elevrobotterne lærer hurtigt gennem high-fidelity-simuleringer.

"Vi undersøgte, hvordan robotter kan lære af menneskelig demonstration, fra fælles erfaring, og hvordan vi kan accelerere læring ved at simulere robotter i skyen. Da vi så, hvad der var muligt, vi begyndte at planlægge vores vej ud af laboratoriet, sagde Brondmo.

Hvordan har de det?

Indtil nu, robotterne viser, at de lærer. Robotterne har lært at sortere affald. Der udføres test på Alphabet-steder i Californien. Dette er en læringsøvelse. Ligesom mennesker, de er forpligtet til at vælge, hvilke affaldsgenstande der skal gå i hvilke beholdere til losseplads, genbrug, eller kompost. (Jay Peters ind Randen viste en GIF af en robot, der sorterer en genbrugsdåse fra en kompostbunke til en genbrugsbunke. "Det her er vildt - tjek hvordan armen faktisk griber dåsen, " han sagde.)

Holdet afslørede sin træningstilgang:"Hver nat, titusindvis af virtuelle robotter øver sig i at sortere affaldet på et virtuelt kontor i vores skysimulator; så flytter vi træningen til rigtige robotter for at forfine deres sorteringsevne. Denne træning fra den virkelige verden integreres derefter tilbage i de simulerede træningsdata og deles tilbage med resten af ​​robotterne, så oplevelsen og læringen fra hver enkelt robot deles med dem alle."

Ligesom robotterne lærer, projektdeltagerne får også vigtige beskeder. Holdet ser på succesen med robotter med at finde ud af, hvordan man sorterer affald, og holdet sagde, at "de beviser, at det er muligt for robotter at lære at udføre nye opgaver i den virkelige verden bare gennem praksis, i stedet for at lade ingeniører 'håndkode' hver ny opgave, undtagelse, eller forbedring."

Projektwebstedet sagde, at "Robotterne lærer at navigere og assistere i arbejdspladsmiljøer, der deles med folk. De laver ting som at sortere genbrug (temmelig langsomt for nu). De første resultater er opmuntrende, og teamet fortsætter med at forske, eksperiment, og lær for at få robotter til et sted, hvor de kan hjælpe alle, hver dag."

Downloaden:"For nu:De tidlige prototyperobotter lærer at sortere affald. Det lyder banalt, men det er svært at få robotter til at identificere forskellige typer objekter." Nyhedsbrevet havde ingen grund til at undskylde, at sortering virkede banal. Det er heller ikke hverdagskost for almindelige mennesker. Gammel lampeskærm der; plastikflasker her; tomme shampooflasker, hmm, brugt gaveindpakning, kagedåser, skyllede fiskedåser, godt, giv os et minut.

Tilbage til projektets rapportkort:Dette er affaldssorteringsrobotternes succes efter tallene:I løbet af de sidste par måneder, skrev Brondmo, Robotter har sorteret tusindvis af stykker affald og reduceret deres kontors affaldsforureningsniveauer fra 20 procent – ​​hvad det er, når folk lægger genstande i bakkerne – til mindre end 5 procent.

© 2019 Science X Network