Paže s mozgom
Keď sa bábätká učia veci uchopiť, kombinujú dva systémy, zrak a motoriku. Tieto dva mechanizmy, spojené s množstvom pokusov a omylov, umožňujú zobrať ceruzku inak ako zošívačku a roboty sa teraz začínajú učiť rovnakým spôsobom.
Google učí svojich robotov jednoduchú úlohu, zbierať predmety do jedného koša a umiestňovať ich do druhého. Nie sú prvým robotom, ktorý niečo zdvihol, ale tieto roboty sa v skutočnosti učia nové spôsoby, ako zbierať predmety rôznych tvarov, veľkostí a charakteristík na základe neustálej spätnej väzby. Napríklad sa robot naučili zdvihnúť mäkký predmet inak ako tvrdý predmet.
Iné projekty, napríklad Cornell's Papier DeepGrasping, raz analyzujte predmet, aby ste našli najlepšie miesto na uchopenie, pokúste sa ho zdvihnúť a ak to zlyhalo, skúste to znova. Prístup spoločnosti Google neustále analyzuje objekt a vzťah robotickej ruky k nemu, vďaka čomu je prispôsobivejší ako človek.
Títo roboti sú v skutočnosti len ruky s mozgom, napojené na kameru. Majú dva uchopovacie prsty pripevnené k ramenu s tromi spojmi, ktoré sú ovládané dvoma hlbokými neurónovými sieťami. Hlboké neurónové siete sú populárnou príchuťou umelej inteligencie, pretože sú schopné predpovedať na základe veľkého množstva údajov. V tomto prípade sa jedna neurónová sieť jednoducho pozerá na fotografie koša a predpovedá, či ruka robota dokáže správne uchopiť predmet. Druhý interpretuje, ako dobre ruka chytá, takže môže informovať prvú sieť, aby vykonala úpravy.
Výskumníci poznamenali, že roboty nebolo potrebné kalibrovať na základe iného umiestnenia kamery. Pokiaľ by kamera mala jasný výhľad na kôš a rameno, neurónová sieť by sa dokázala prispôsobiť a pokračovať v učení sa zbierať predmety.
V priebehu dvoch mesiacov Google nechal svoje roboty vyzdvihnúť predmety 800 000-krát. Šesť až 14 robotov pracovalo na zbieraní predmetov v danom čase a jedinou ľudskou úlohou bolo dobiť robotovu nádobu s predmetmi. Predmety boli bežné domáce predmety: kancelárske potreby, detské hračky a špongie.
Najprekvapujúcejší výsledok pre výskumníkov, uvedený v článku zverejnené na ArXiv.org, spočívalo v tom, že sa roboti naučili zbierať tvrdé a mäkké predmety rôznymi spôsobmi. V prípade predmetu, ktorý bol vnímaný ako tuhý, by chápadlá len uchopili vonkajšie okraje predmetu a stlačili ho, aby ho pevne držali. Ale pre mäkký predmet, ako je špongia, si neurónová sieť uvedomila, že by bolo jednoduchšie umiestniť jeden uchopovací prst do stredu a jeden okolo okraja a potom stlačiť.
Táto práca je oddelená od ostatných uchopovacích robotov neustálou, priamou spätnou väzbou, ktorá pomáha neurónovej sieti učiť sa, s veľmi malým zásahom človeka. To umožňuje robotickému ramenu s vysokou mierou úspešnosti zdvihnúť aj veci, ktoré nikdy predtým nevidelo. Výskumníci zaznamenali mieru zlyhania pri vyzdvihnutí nových predmetov od 10 do 20 percent na základe objektu, a ak sa robotovi nepodarilo vyzdvihnúť objekt, skúsil by to znova. Google je na tom o niečo horšie ako Cornellsov projekt DeepGrasping, ktorá sa pohybovala od trvalého úspechu na veciach, ako sú plyšové hračky, až po 16-percentné zlyhanie na tvrdých predmetoch.
Naučiť roboty chápať svet okolo nich a ich fyzické limity je dôležitým procesom napr samoriadiace autá, autonómne roboty, doručovacie drony a všetky ďalšie futuristické nápady, ktoré zahŕňajú interakciu robotov s prírodný svet.
Ďalej chcú vedci otestovať roboty v reálnych podmienkach mimo laboratória. To znamená rôzne osvetlenie a umiestnenie, predmety, ktoré sa pohybujú a opotrebovanie robota.