Фото: covariant.ai

Несмотря на развитие технологий в современном мире, существуют глобальные проблемы, которые пока не удаётся решить. И одна из них звучит следующим образом: как обучать роботов выполнению определённых действий? Формулировка вопроса кажется простой, однако до настоящего времени крупнейшие исследовательские лаборатории и технологические компании не могли досконально ответить на него. Например, Google тестирует роботов-манипуляторов, пытаясь обучить их надёжно удерживать предметы, в это же время Amazon проводит ежегодный конкурс по запуску складских стеллажей с роботами, чтобы найти машину, максимально полезную для работы на складах компании.

Калифорнийский стартап Covariant создал робота, идеально выполняющего сборочные работы. Производитель сообщил, что его разработка функционирует 24 часа в сутки и не нуждается в технологических перерывах. Инженеры Covariant уверены, что удержание предметов роботами больше не является неразрешимой проблемой.
Созданная специалистами компании машина использует не роботизированные пальцы, а присоски. Разработка чрезвычайно важна для складского хозяйства и логистического сектора.

В интервью The Verge соучредитель Covariant и директор лаборатории обучения роботов в Беркли, Питер Эббил (Pieter Abbeel) сравнил текущую ситуацию на рынке сборочных машин с рынком автомобилей с автоматическим управлением: ажиотаж и яркие демонстрации на фоне нехватки рабочих прототипов. Эббил заявил, что клиенты больше не доверяют демонстрационным видео, они хотят надёжности и последовательности.

Современные промышленные роботы обладают большой скоростью и точностью, но только в том случае, если предмет, который они берут, имеет правильную форму и ровную поверхность. Эта особенность полезна на производстве (когда робот должен брать одинаковые предметы), но совершенно не применима в логистике или складском хозяйстве, поскольку предметы для упаковки и отправки сильно отличаются по размеру и форме. Для производственных роботов применяют жёсткое кодирование (hardcoding). Это процесс разработки программного обеспечения, при котором данные встраиваются непосредственно в исходный код программы или другого исполняемого объекта, а не поступают извне или генерируются во время выполнения задачи. Для логистических и складских роботов такой тип кодирования не подходит. Но если разработчик использует машинное обучение для подачи системных данных, которое позволяет роботу создавать собственные правила выбора, работа машины будет эффективной.

Covariant использует различные методы искусственного интеллекта для обучения своих роботов, в том числе обучение с подкреплением, когда у машины есть поставленная задача и она должна сама понять, как её осуществить. Большая часть этого обучения проводится в симуляциях, поэтому роботы могут не торопиться, и часто накапливают тысячи часов работы. В результате у машины формируется «ковариантный ум» (это условное обозначение нейронной сети для роботов Covariant).
Разработка Covariant сейчас тестируется на складе компании Obeta (Германия). Робот уже собрал и упаковал 10 тысяч предметов разной формы с точностью 99%. В дальнейшем владельцы Obeta планируют увеличить количество сборщиков, чтобы компенсировать нехватку персонала.

Автор: Татьяна Козодой


Читайте также:

Тактильный интернет – самая ожидаемая технология будущего

Vision-S – электромобиль от компании Sony

Комментарии