Інтелектуальні машини

Стартап Covariant створив ідеального робота-пакувальника

Фото: covariant.ai

Незважаючи на розвиток технологій в сучасному світі, існують глобальні проблеми, які поки не вдається вирішити. І одна з них звучить наступним чином: як навчати роботів виконанню певних дій? Формулювання питання здається простим, проте до теперішнього часу найбільші дослідницькі лабораторії і технологічні компанії не могли досконально відповісти на нього. Наприклад, Google тестує роботів-маніпуляторів, намагаючись навчити їх надійно утримувати предмети, в цей же час Amazon проводить щорічний конкурс по запуску складських стелажів з роботами, щоб знайти машину, максимально корисну для роботи на складах компанії.

Каліфорнійський стартап Covariant створив робота, який ідеально виконує складальні роботи. Виробник повідомив, що його розробка функціонує 24 години на добу і не потребує технологічних перерв. Інженери Covariant впевнені, що утримання предметів роботами більше не є нерозв’язною проблемою. Створена фахівцями компанії машина використовує не роботизовані пальці, а присоски. Розробка надзвичайно важлива для складського господарства і логістичного сектора.

В інтерв’ю The Verge співзасновник Covariant і директор лабораторії навчання роботів в Берклі, Пітер Еббіл (Pieter Abbeel) порівняв поточну ситуацію на ринку складальних машин з ринком автомобілів з автоматичним управлінням: ажіотаж і яскраві демонстрації на тлі нестачі робочих прототипів. Еббіл заявив, що клієнти більше не довіряють демонстраційним відео, вони хочуть надійності і послідовності.

Сучасні промислові роботи мають велику швидкість і точність, але тільки в тому випадку, якщо предмет, який вони беруть, має правильну форму і рівну поверхню. Ця особливість корисна на виробництві (коли робот повинен брати однакові предмети), але абсолютно не може бути застосована в логістиці або складському господарстві, оскільки предмети для упаковки і відправки сильно відрізняються за розміром і формою. Для виробничих роботів застосовують жорстке кодування (hardcoding). Це процес розробки програмного забезпечення, при якому дані вбудовуються безпосередньо в початковий код програми або іншого виконуваного об’єкта, а не надходять ззовні або генеруються під час виконання завдання. Для логістичних та складських роботів такий тип кодування не підходить. Але якщо розробник використовує машинне навчання для подачі системних даних, яке дозволяє роботу створювати власні правила вибору, робота машини буде ефективною.

Covariant використовує різні методи штучного інтелекту для навчання своїх роботів, в тому числі навчання з підкріпленням, коли у машини є поставлена ​​задача і вона повинна сама зрозуміти, як її здійснити. Більша частина цього навчання проводиться в симуляції, тому роботи можуть не поспішати, і часто накопичують тисячі годин роботи. В результаті у машини формується «коваріантний розум» (це умовне позначення нейронної мережі для роботів Covariant).

Розробка Covariant зараз тестується на складі компанії Obeta (Німеччина). Робот уже зібрав і упакував 10 тисяч предметів різної форми з точністю 99%. Надалі власники Obeta планують збільшити кількість збирачів, щоб компенсувати брак персоналу.