لحظه ای خاص در عصر رباتیك
تویوتا یادگیری ربات ها را بهبود می بخشد
گروه هوش مصنوعی: تویوتا، موسسه فناوری ماساچوست و دانشکده مهندسی و علوم کاربردی کلمبیا نتایج عجیبی را از یک رویکرد جدید یادگیری هوش مصنوعی نشان داده اند که به سرعت ربات ها در یادگیری مهارت های جدید می افزاید. بنظر می رسد این یک لحظه خاص برای صنعت رباتیک باشد.
به گزارش گروه هوش مصنوعی به نقل از ایسنا و به نقل از آی ای، ما در طلوع عصر رباتیک همه منظوره زندگی می نماییم. حالا دهها شرکت تصمیم گرفته اند که زمان سرمایه گذاری کلان بر روی ربات های انسان نما فرا رسیده است که می توانند بطور مستقل راه خودرا در محیط های کاری موجود پیدا کنند و وظایف را از کارگران انسانی بگیرند.
با این وجود، خیلی از موارد استفاده اولیه در دسته بندی آن چه من تناسب اندام می نامم قرار می گیرد. ربات ها اجسام را بالا می برند و آنها را زمین می گذارند. این برای تدارکات در انبار، بارگیری و تخلیه کامیون ها و جابجایی اشیا در کارخانه ها عالی خواهد بود. اما همه چیز آنقدرها هم پر زرق و برق نیست و مطمئنا به سودمندی یک کارگر انسانی نزدیک نمی شود.
تویوتا روش کارآمدتری برای آموزش ربات ها در نظر گرفته است.
گیل پرت(Gill Pratt)، مدیر عامل موسسه تحقیقاتی تویوتا و دانشمند ارشد شرکت تویوتا موتور، می گوید: تحقیقات ما در حوزه رباتیک بر بهبود افراد بجای جایگزینی آنها متمرکز است.
مؤسسه تحقیقاتی تویوتا(TRI) از یک روش پیشگامانه مولد هوش مصنوعی رونمایی کرده است که آموزش سریع و کارآمد مهارت های جدید و پیشرفته را به ربات ها امکان پذیر می کند.
تقویت مردم
حالا، پژوهشگران پشت این پیشرفت می گویند امیدوارند رویکرد جدید آنها به مناسب تر کردن ربات ها برای همکاری با انسان ها کمک نماید.
آموزش ربات ها مستلزم انتقال داده ها و مهارت هایی است که به آنها کمک می نماید کارهای خاص را انجام دهند یا با محیط های مختلف سازگار شوند. این یک زمینه چند رشته ای است که شامل روش های مختلفی است، از برنامه نویسی معمولی گرفته تا رویکرد های پیچیده تر مانند یادگیری ماشینی و هوش مصنوعی.
با این وجود، تازه ترین روش های پیشرفته برای آموزش رفتارهای جدید به ربات ها زمان زیادی می برد، تا حد زیادی ناکارآمد بود و اغلب محدود به کارهای تعریف شده ای که در محیط هایی با محدودیت های شدید انجام می شدند، رو به رو بود. روش هایی مانند کدنویسی که بطور دقیق اقدامات ربات را مشخص می کنند، برای مشاغلی که به خوبی تعریف شده اند و نیازی به انعطاف پذیری ندارند مناسب می باشد اما ربات ها را از انجام کارهای پیچیده تر لازم برای فعالیت در سناریوهای روزمره محدود می کند.
مدل رفتاری ربات توسعه یافته توسط موسسه تحقیقاتی تویوتا شامل یادگیری بوسیله نمایش معلم بساوشی و همین طور توصیف گفتاری اهداف می شود.
فناوری لمسی یا فناوری بَساوشی به شکلی از فناوری گفته می شود که از راه لمس و توسط حرکت، لرزش یا اِعمال فشار با کاربر تعامل دارد.
این روش امکان معرفی مستقل رفتارهای جدید استنتاج شده از تعداد زیادی نمونه را فراهم می آورد. این رویکرد نه فقط نتایج قابل اعتماد، قابل تکرار و کارآمدی را به همراه دارد، بلکه این کار را نیز بسیار سریع انجام می دهد.
مهارت های متنوع
راس تدریک(Russ Tedrake)، معاون تحقیقات رباتیک در موسسه تحقیقاتی تویوتا گفت: کارهایی که من درحال تماشای انجام آن توسط ربات ها هستم اعجاب انگیز است. من حتی یک سال پیش هم پیش بینی نمی کردم که به این سطح از مهارت های متنوع نزدیک شویم.
آن چه در مورد این رویکرد جدید بسیار هیجان انگیز است، میزان و قابل اطمینان بودنی است که با آن می توانیم مهارت های جدید اضافه نماییم.
از آنجا که این مهارت ها مستقیما با تصاویر دوربین و حس لامسه کار می کنند می توانند حتی در کارهایی که شامل اشیاء، پارچه و مایعات قابل تغییر هستند، به خوبی عمل کنند و همه اینها بطور سنتی برای ربات ها بسیار دشوار بوده است.
موسسه تحقیقاتی تویوتا تا حالا از این روش جدید برای آموزش بیش از ۶۰ توانایی پیچیده و ماهرانه به ربات ها تنها با ارائه اطلاعات جدید بهره برده است بدون این که حتی یک خط کد جدید بوجود آورد.
این موسسه حالا امیدوار است تا انتهای سال ۲۰۲۴ به ربات ها ۱۰۰۰ مهارت جدید بیاموزد و تخمین می زند که این قابلیت تازه به دست آمده برای تعامل با جهان به روش های پیچیده و متنوع، روزی به ربات ها این امکان را بدهد که از افراد در حوزه های غیرقابل پیش بینی واقعی تر پشتیبانی کنند.
با پیشرفت های مداوم در عرصه رباتیک، یادگیری ماشینی و هوش مصنوعی، آموزش ربات ها مدام درحال تکامل است. ربات ها بطور فزاینده ای در مدیریت کارهای دشوار و همکاری با افراد در تیم ها بهتر می شوند و این آنها را برای کار در کنار انسان ها در صنایع مختلف مناسب تر می کند.
منبع: iagrp.ir
مطلب را می پسندید؟
(1)
(0)
تازه ترین مطالب مرتبط
نظرات بینندگان در مورد این مطلب