Поразительная ловкость роботов может преобразить производство

Поразительная ловкость роботов может преобразить производство

Роботизированные руки могут играть на барабане и даже плавно вращать объекты, но хватать незнакомые предметы у них не очень-то получается. Поэтому созданный специалистами Калифорнийского университета в Беркли робот DexNet 2.0, который с помощью глубинного обучения может с вероятностью в 99 процентов схватить случайный реальный объект, столь замечателен. Более того, устройство, разработанное при участии Amazon, Google и Toyota, может быть использовано на производстве и в снабжении в ближайшем будущем.

Систему глубинного обучения DexNet 2.0 исследователи тренировали, обращаясь к огромному архиву 3D-объектов и подходящих для их захвата позиций. Использование виртуальных, а не реальных, объектов позволило обучить искусственный интеллект гораздо быстрее. Джеф Малер из Калифорнийского университета в Беркли рассказал MIT Technology Review: «Мы можем создать достаточное количество данных для обучения глубинных нейронных сетей за один день вместо того, чтобы тратить месяцы, испытывая настоящего робота».

После обучения искусственного интеллекта исследователи подключили систему к стандартной роботизированной руке, оснащённой обычной 3D-камерой. При взаимодействии с новым объектом система быстро определяла, как лучше его схватить. Если уверенность системы в успешности процесса превышала 50 процентов, ей удавалось правильным образом схватить предмет в 98 процентах случаях. Если уверенность составляла ниже 50 процентов, система вначале притрагивалась к объекту, чтобы обдумать, как лучше его взять, а затем успешно справлялась с задачей в 99 процентах случаев – по словам разработчиков, показатели их системы значительно лучше по сравнению с другими подобными.

Исследователи предполагают, что новый метод обучения вкупе с облачным хранением данных и вычислениями, может приблизить использование роботов на производстве и даже в нетрадиционных условиях наподобие больниц. Поэтому неудивительно, что исследование активно поддерживают такие производители как Toyota, Siemens и Amazon. Последний также проводит специальные соревнования, которые выявляют самого лучшего робота, способного достать товары с полок на складе, чтобы составить заказ.

Технология глубинного обучения полезна индустрии, позволяя таким руководителям как Джефф Безос сокращать количество работников склада и экономить деньги. Тем не менее, технология придётся не по нраву сотрудникам, которые лишатся работы, а также она увеличит разрыв между такими богатейшими титанами как Безос и обычными людьми, что вновь обращает внимание на необходимость подходить к решению проблем использования искусственного интеллекта не только с технической, но и с политической точки зрения.