Dex-Net 2.0
VIDEO: Robot hvata objekte koje vidi prvi puta
Zahvaljujući sustavu strojnog učenja uspješnost robotovih akcija iznosi čak 98 posto.
Kako biste industrijskog robota istrenirali da radi neki posao obično morate voditi njegove ruke prema određenom uzorku i potom svaku najmanju akciju pohraniti kako biste dobili sekvencu koja će mu omogućiti rad na pokretnoj traci tipa hvatanja, okretanja, šarafljenja i varenja dijelova automobila ili nekog drugog objekta. Taj način programiranja je dobar ako se radi o zadaći koja se stalno ponavlja, no ako robota želite učiniti svestranijim i uspješnijim u prepoznavanju svijeta oko sebe onda ga morate opremiti algoritmima dubokogstrojnog učenja i ogromnom bazom podataka koju će analizirati kako bi mogao djelovati prema vašim željama i očekivanjima.
Znanstvenici Sveučilišta u Kaliforniji iz Berkeleya i istraživačkog odjela tvrtke Siemens razvijaju Dexterity mrežu koja koristi algoritme dubokog i strojnog učenja kako bi omogućila robotu hvatanje objekata nepravilnih oblika koje nikada nije vidio uživo. Prva inačica mreže algoritmima je ponudila bazu od 10 tisuća 3D objekata koje su analizirali, dok nova verzija pod nazivom Dex-Net 2.0 posjeduje bazu s čak 6 milijuna, čime se robotu omogućuje precizno hvatanje objekata s kojima nikada nije manipulirao uz uspješnost od čak 98%, kao što možete vidjeti u ovom videu.
Robot je spojen na 3D senzor i duboku neuralnu mrežu "nahranjenu" objektima i podacima o oblicima, vizualnom izgledu te fizici koja mu govori kako im pristupiti i uhvatiti ih.
Znanstvenici kažu da ova metoda treniranja robotima i znanstvenicima štedi mjesece fizičkog programiranja te će im omogućiti da roboti dođu u mogućnost izvođenja velikog broja raznovrsnih zadaća uz veliku preciznost i sigurnost po objekte, opremu i ljude.
Objavljen rad znanstvenika IRB-a koji sudjeluju u potrazi za hipotetskim česticama koje bi mogle činiti tamnu tvar svemira.
MIT kaže da je ovo prvi funkcionalni raketni motor koji je 100% izrađen 3D printanjem.
Učitavam komentare ...