3DNews Технологии и рынок IT. Новости мир роботехники Google создала роботов, которые выполняю… Самое интересное в обзорах 18.08.2022 [12:21], Владимир Мироненко Те, кто использует интеллектуальных голосовых помощников, таких как «Алиса», Siri и т.д., вероятно, заметили, что технология становится умнее с каждым днём. Тем не менее роботов, которые бы выполняли различные команды, озвученные пользователем, пока найти сложно. Роботы-пылесосы не в счёт. Однако Google создала роботов, которые умеют распознавать голосовые команды и правильно их выполнять. Пока что это лишь прототипы, но когда-то они станут полноценным продуктом. Источник изображения: Haje Kamps/ TechCrunch Компания Alphabet, в состав которой входит Google, создала новую робототехническую компанию под названием Everyday Robots (англ. В то время как большинство роботов тестируются в пределах лаборатории, весь смысл PaLM-SayCan заключается в том, чтобы помочь с разнообразными и часто незапланированными проблемами и задачами. Это вдохновило команды Google и Everyday Robots использовать PaLM-SayCan на офисной кухне. Здесь PaLM-SayCan можно попросить принести пакетик чипсов из ящика стола, выбрать между кока-колой и пепси и даже помочь людям решить проблему пролитого напитка. Казалось бы, это очень простые задачи, но на самом деле нет. Научить робота выполнять повторяющиеся задачи в контролируемых пространствах без присутствия людей хоть и не самая простая, но вполне решаемая задача. Гораздо сложнее научить робота решать различные задачи на основе голосовых команд в пространствах, где также присутствуют люди. Речь не идёт о таких решениях, как роботы-пылесосы, которые просто запрограммированы на то, чтобы не касаться никаких предметов, кроме пола. С роботами-помощниками всё куда сложнее, ведь он должен правильно понять человека, а также придумать, как выполнить поручение или же сообразить, что сделать этого он не может в принципе. Google достигла определённого прогресса в задаче понимания роботами естественного языка, который может использовать человек. С помощью своей системы обработки естественного языка Pathways Language Model (PaLM) компания смогла достичь точной обработки фраз и понимания роботом того, что человек на самом деле хочет, а не буквального выполнения сказанного. Следующая задача — понять, на что на самом деле способен робот. Ещё одна проблема, с которой сталкивается робототехника, заключается в том, что языковые модели не привязаны к физическому миру. Как утверждают в Google, важно научить роботов определять, что они могут и чего не могут делать, и что имеет смысл делать в первую очередь в различных ситуациях. Роботы, получив задание, пытаются принять решение, задаваясь вопросами « Пока что роботы Google научились приносить различные вещи, вроде газировки, а также вытирать лужи, попутно научившись искать те или иные вещи, открывать ящики и прочее. Источник: Если вы заметили ошибку — выделите ее мышью и нажмите CTRL+ENTER. Материалы по теме Постоянный URL: https://3dnews.ru/1072349/google-delaet-robotov-umnee-obyasnyaya-im-v-chyom-ih-ogranicheniya Рубрики: Новости Hardware, мир роботехники, Теги: google, робототехника, обучение ← В прошлое В будущее → |
Робот может понять просьбу достать предмет с полки, но проблема в том, что он может не дотянуться до него, так как полка находится слишком высоко. Google называет «возможностями» то, что может делать робот более-менее успешно. Это могут быть простые задачи («продвиньтесь на метр вперёд»), более сложные задачи («найди банку колы на кухне»), а также сложные, многоэтапные действия, требующие от робота понимания собственных способностей и окружающего мира. Например, «Уф, я пролил свою колу на пол. Не могли бы вы вытереть лужу и принести мне новый напиток?». В последнем случае роботу будет необходимо разбить задачу на ряд этапов — определить место, где пролита жидкость, пойти на кухню, найти губку, вернуться назад, собрать воду, опять пойти на кухню, чтобы выжать губку и т.д. Хотя, возможно, ему нужно определиться — может быть лучше сначала принести банку колы, а потом заняться устранением лужи?
Например, на запрос «Я пролил свой напиток, вы можете помочь?» языковая модель GPT-3 отвечает: «Вы можете попробовать использовать пылесос». И это имеет смысл для неё, так как языковая модель ассоциирует пылесос с процессом уборки. Хотя пылесос не предназначен для устранения лужи и попытка сделать это может привести к его поломке.
Но делают они всё правильно в 74 % случаев, и Google работает над тем, чтобы повысить этот показатель. Помимо выполнения различных поручений они также были обучены самостоятельно подключаться к электросети для подзарядки.Зачем Google роботы и зачем миру роботы Google — Ferra.ru
В конце января 2013 года появилась новость о том, что Google за прошедшие 12 месяцев приобрёл целых восемь фирм, занимающихся робототехникой.
Одна из них знаменита выполнением заказов американской армии, так что теперь Google стоит так близко к выпуску роботов-убийц, что места для чёрного юмора осталось не слишком много: любые шутки будут звучать как мрачные пророчества. Однако убить всех людей было бы куда проще, чем обеспечить им беззаботное существование. А Google, как известно, славится любовью к сложным задачам.
У истоков Робо-Google
Инициатором затеи с роботами стал Эндрю Рубин — бывший глава подразделения Google, занимающегося Android (сейчас его пост занял Сандар Пичай, также курирующий Google Chrome и Chrome OS). Название Android, выдуманное Рубиным для его бывшего стартапа и созданной там операционной системы, неслучайно. Роботы — давняя страсть Рубина.
До Android у «главного по роботам в Google» было две должности, важных для понимания нынешней ситуации: инженер в области производства в Apple (в конце восьмидесятых) и, ранее, специалист по промышленным роботам в Carl Zeiss — эта немецкая фирма знаменита своими фотообъективами и прочей оптической продукцией.
И там, и там Рубин имел дело с промышленными роботами.
С тех пор судьба увела Эндрю Рубина в область мобильных устройств: он участвовал в создании фирмы General Magic, где выходцы из Apple работали над смартфонообразными устройствами ещё в девяностые, затем основал компанию Danger, инженеры которой создали первый мобильный телефон с полноценным браузером и QWERTY-клавиатурой. Потом Danger был куплен «Микрософтом», и настал черёд для Android. Сейчас Android в надёжных руках, и Рубин снова готов взяться за старое увлечение — роботов.
Вторая часть информации, проливающей свет на затею Google, кроется в самом списке приобретённых фирм. Вот первые семь позиций в нём. Schaft — японский стартап, ответственный за разработку ходячего робота HRP-2, который недавно выиграл конкурс DARPA Robotics Challenge (см. видео).
Industrial Perception специализируется на распознавании образов, Meka Robotics создаёт роботов с эластичными приводами, в том числе гуманоидного M1 и Dreamer.
Redwood Robotics — фирма, изначально основанная совместными усилиями Willow Garage, институтом SRI и Meka Robotics; в Redwood заняты созданием роборук, отличающихся низкой ценой.
В Bot & Dolly специализируются на разработке роботов-операторов, то есть механических рук, двигающих кинокамеру. Holomni — стартап, основатели которого изобрели новаторские колёса для роботов.
Из списка слега выбивается лишь Autofuss — рекламное агентство, специализирующееся на высоких технологиях, и уже выполнявшее заказы для Google. Не исключено, что новому подразделению просто нужна команда пиарщиков.
Мирные роботы-убийцы
Отдельного упоминания заслуживает последнее приобретение Google — компания Boston Dynamics, занимающаяся роботами с 1992 года и специализирующаяся на военных заказах. Примечательно, что в Boston Dynamics разрабатывают лишь малую часть используемых технологий: эту компанию можно считать чем-то вроде системного интегратора, собирающего роботов из существующих удачных наработок.
Последние творения Boston Dynamics успели стать звёздами YouTube, и не мудрено — они выглядят очень впечатляюще. Здоровенный четвероногий BigDog, дико жужжа, пробирается по лесистой местности, пересекает ледяные поля и держит равновесие, даже если его хорошенько пнуть ногой.
Из него выйдет отличный «ослик», носящий за солдатами провизию и амуницию.
Его собрат WildCat не способен поднимать такой же груз, зато перемещается с пугающей скоростью: всё ещё медленнее настоящего гепарда, но уже быстрее, чем Усейн Болт во время побивания очередного мирового рекорда.
Список роботов Boston Dynamics можно продолжать: есть, например, человекообразные Atlas и Petman или, например, RiSE, ползающий по стенам и похожий на шестиногую ящерицу.
Раз Boston Dynamics выполняет заказы армии США, не следует ли из этого, что и Google теперь придётся заниматься тем же самым? С одной стороны, ответ положительный: нынешние контракты Boston Dynamics придётся выполнить, несмотря на слияние с Google. С другой стороны, в Google сообщают, что совершенно не заинтересованы в сотрудничестве с вооружёнными силами. Это даже не имеет экономического смысла: типичный контракт приносил Boston Dynamics от 2 до 10 миллионов долларов, что по меркам Google не стоит усилий.
В конце концов, в фирме Boston Dynamics, по словам одного из её бывших инженеров, изначально даже не планировали работать на армию США: военные контракты просто оказались удобным и надёжным источником финансирования.
Широкий карман Google сыграет эту роль ещё лучше.
Что задумал Google
Остаётся главный вопрос: что же такое Рубин предложил главе Google Ларри Пейджу, что тот разрешил ему распоряжаться почти что неограниченным запасом финансов и пользоваться полной автономией?
Несложно заметить, что все покупки связаны с роботами, имеющими сочленения. Часть разработок направлена на взаимодействие с людьми, часть связана с более традиционной для роботов нишей — производством. Среди фирм, присоединившихся к Google, много таких, где велись работы над шагающими машинами — как двуногими, так и четвероногими. Не исключено, что и в Google рассчитывают сделать ходящего робота, но куда и зачем он будет ходить — пока что тайна, покрытая мраком.
Сам Эндрю Рубин на расспросы журналистов отвечал туманными полунамёками: в частности, привёл пример с автомобильными дворниками, которые включаются сами во время дождя. Такое изобретение нельзя назвать роботом, но, как и роботы, это умная технология, которая избавляет людей от лишних действий.
Вряд ли в Google будут делать дворники (хотя целый автомобиль — почему бы и нет?), скорее это просто иллюстрация технологии, меняющей жизнь человека к лучшему, но не слишком навязчиво.
Ещё Рубин заявил, что в контексте коммерческих перспектив речь идёт скорее о планах, которые начнут воплощаться в реальность не ранее чем через десять лет. Но тут же оговорился: некоторые технологии, по его словам, уже почти дозрели до коммерческой эксплуатации.
Производство по-прежнему остаётся наиболее реалистичной областью для коммерческой эксплуатации роботов, и аналитики предполагают, что именно промышленное применение может интересовать Google в среднесрочной перспективе. К тому же здесь как раз наметилась очередная революция.
Универсальный рабочий
Чтобы понять, как за последнее время изменились промышленные роботы, достаточно взглянуть на парня по имени Baxter. Этот механический товарищ с двумя огромными ручищами и монитором на месте головы призван заменить людей, стоящих у конвейера и выполняющих несложные монотонные задачи вроде складывания деталей.
От роборук, которые и так повсеместно используются на заводах, Baxter выгодно отличается интеллектом: он способен оценивать ситуацию и старается не делать ерунды. Представим, что на пути робота внезапно появилась преграда. Неинтеллектуальная машина будет продолжать биться об неё, чем, возможно, принесёт немалые убытки. Baxter, наткнувшись на что-нибудь, немедленно прекратит работу и пожалуется.
Важна и лёгкость, с которой обучается Baxter. На запястьях у него кнопки, задающие точки пути. Включаем режим обучения, берём робота за руку, показываем, как ей нужно вести и то и дело нажимаем на кнопку, задавая тем самым промежуточные фазы. Таким образом, «Бакстера» можно на ходу переориентировать на любые задачи и быстро подстраивать под изменяющиеся условия. Это открывает дорогу таким применениям, для которых заказывать традиционных промышленных роботов было бы невыгодно.
В базовой комплектации Baxter стоит 25 тысяч долларов — то есть если он будет стоять у конвейера вместо одного работника, то окупится примерно через год.
Однако робота, в отличие от человека, никто не запрещает загружать делом 24 часа в сутки и 365 дней в году. А иногда даже 366.
Google уже занимается выпуском собственных ноутбуков и владеет телефонным подразделением Motorola, так что проектирование собственных промышленных роботов может оказаться очень кстати. Apple, например, вовсю использует новейшую машинерию на производстве, и постепенно переносит некоторые его части из Китая с его дешёвой рабочей силой в США, где заменой могут стать роботы.
Галлюцинирующие роботы
Каким бы умелым, внимательным и обучаемым ни был Baxter, без помощи человека он работать не будет. Его нужно установить, наладить подачу деталей, обучить обращаться с ними и так далее. Другими словами, организовать все аспекты работы вокруг того самого монотонного действия. Там, где человек мог бы выполнять задачи последовательно, потребуется несколько роботов типа «Бакстера». Если же связь между задачами нетривиальна, то тут Baxter вообще не помощник.
Не мог бы робот сам решать мелкие вопросы по ходу дела? Оказывается, обладать настоящим разумом для этого не нужно. Учёным из лаборатории Персональной Робототехники Корнельского университета удалось создать алгоритмы, благодаря которым робот различает объекты вокруг, может с ними взаимодействовать и даже угадывает поведение людей.
Собственных роботов в Лаборатории не делают, вместо этого учёные собрали «команду» из лучших доступных в продаже разработок (Baxter, PR2 производства Willow Garage и прочих) и снабдили программным обеспечением собственной разработки.
Первое, что должна делать управляющая программа — разобраться в окружающей среде. К картинке, получаемой с внешних датчиков (стереокамер, дальномеров и т.д.) применяются алгоритмы машинного зрения, чтобы определить объекты на ней. В этом деле учёные продвинулись уже достаточно далеко, чтобы робот мог узнавать в окружающем мире раздельные объекты.
Далее объектам присваиваются категории. К примеру, лампа — это мебель, коробка — это контейнер, шкаф — это предмет мебели и контейнер одновременно, стол обладает поверхностью, и так далее.
Роботы из Корнельского института «знают» об окружающих предметах многие важного: например, что наполненные контейнеры не стоит переворачивать вверх дном, а бутылку нужно ставить на стол вниз днищем, а не горлышком.
Ещё одно чудо кроется в разработках Лаборатории, связанных с предсказанием поведения человека. Казалось бы, какое роботам дело до нашего поведения? Но чтобы машины взаимодействовали с людьми, им нужно научиться понимать мотивы и приучаться к характерным действиям своих создателей. Посвящённая этому научная работа называется (без шуток) «Галлюцинирование людей». В последних экспериментах роботы уже могут из позы и движений человека «нагаллюцинировать» себе несколько вариантов следующих действий. Вот человек берёт в руки кружку. Что он с ней сделает? Может переставить, может отпить. Так, поставил на стол и отнял руку. В ближайшие пару секунд кружка использоваться не будет — самое время подлить газировки.
Робот, снабжённый таким алгоритмом может выполнять повседневные задачи автономно, и к тому же в определённой мере ориентироваться на привычки хозяина.
Вот он находит компьютерную мышь в груде вещей. Непорядок: мышью пользуются на столе, вот туда-то её и стоит переложить. А подушке нечего делать на полу — пускай лучше лежит на диване. И всё в том же духе.
Учитывая, что в Google тоже вовсю работают и над распознаванием образов, и над искусственным интеллектом, там не только смогут использовать или повторить разработку Корнельского университета, но и превзойти её, задействовав свои необъятные ресурсы.
По-настоящему интеллектуальные роботы так долго были несбыточной мечтой, что многие успели начать терять в них веру. Сейчас робот — это либо механическая рука на заводе, либо неуклюжая неумная штука на колёсиках, практичность которой сводится к нулю. Но этот пройденный этап. Последние разработки в области машинного зрения и искусственного интеллекта могут изменить всё, и в Google это знают как нельзя лучше.
Главная | Роботы на каждый день
Роботы-помощники на пути к лучшему
повседневный Рожденные из X, фабрики лунных выстрелов, и работая вместе с командой Google, мы создаем роботов нового типа.
Тот, который может учиться сам по себе, чтобы помочь любому (почти) в чем угодно.
Маленькие проблемы – это наша большая проблема
На работе или дома большая часть нашей повседневной жизни уходит на решение мелких проблем. Сохранение окружающей среды в безопасности и чистоте, размещение вещей там, где они нужны, или обеспечение того, чтобы люди, о которых мы заботимся, получали руку помощи всякий раз, когда они в ней нуждались. Беремся за повторяющиеся в лучшем случае или утомительные в худшем задачи.
Представьте себе мир, в котором ежедневные задачи, отнимающие много времени, просто решаются. Мир, в котором мы можем тратить время на то, что действительно важно. Где наша рабочая жизнь более продуктивна, а наша личная жизнь от этого богаче.
Решение small обеспечит качество прогресса, которое ранее было немыслимым Решение small обеспечит качество прогресса, которое ранее было немыслимо В 2017 г.
промышленные роботы обеспечили 10 % роста ВВП в странах ОЭСР. По мере того, как обычные люди получают доступ к возможностям роботов, повышение производительности труда к 2035 г. может увеличиться на 40 %.
2000
2010
2020
2030
2040
Источники данных
- Центр экономики и бизнеса, 2017 9 00060032
- Accenture, 2016
Это обещание роботов-помощников
Где человечество получает миллиарды часов назад, чтобы раскрыть свой потенциал и улучшить нашу жизнь способами, которые сегодня кажутся невообразимыми, но завтра станут второй натурой.
Где решение многих из самых маленьких жизненных проблем также поможет нам решить некоторые из самых серьезных мировых проблем. От личного, такого как поддержка, которая может понадобиться каждому из нас по мере взросления, до глобального, поскольку постоянно стареющее население меняет будущее работы для всех.
Наше видение состоит в том, чтобы создавать роботов, которые будут так же трансформировать физический мир, как наши компьютеры в цифровом мире.
Но чтобы достичь этого, нам сначала нужно решить самую сложную задачу в робототехнике — построить роботов, которые могут научиться помогать нам практически во всем.
Пролог
Представляем Everyday Robots
3:25 — Воспроизвести видео
Глава 1
Трудности повседневности
2:25 — Воспроизвести видео
Глава 2
Робот, который учится
2:52 — Воспроизвести видео
Глава 3
Обучение первой задаче
1:40 — Воспроизвести видео
Глава 4
Строим вместе со всеми
4:30066 Воспроизвести видео 4:00066Прорыв в робототехнике
Современные роботы действительно хороши в трех вещах — силе, точности и повторяемости. Но они действительно плохи в других вещах — в понимании новых пространств и сред и в выполнении более чем одной задачи.
Проще говоря, их очень узкие возможности исходят от человека, который запрограммировал их на решение только одной проблемы в одной среде.
Чтобы преодолеть разрыв между сегодняшними одноцелевыми роботами и роботами-помощниками завтрашнего дня, мы создаем роботов, которые живут в нашем мире и могут учиться самостоятельно. Многогранная задача, которая даже сложнее, чем создание автомобиля с автоматическим управлением, потому что для робототехники не существует правил дорожного движения.
Мы начнем с мест, где мы проводим большую часть времени бодрствования — с мест, где мы работаем. Но мы не останавливаемся на достигнутом. Мы считаем, что роботы-помощники могут в конечном итоге помочь всем и везде. От офисов до учреждений по уходу и, в конечном итоге, в наших домах, они облегчат нашу жизнь, протянув нам руку помощи (или три).
Технология | Роботы на каждый день
Новый тип робота
Мы уходим от мира, в котором роботы должны тщательно кодироваться, к будущему, в котором роботы могут учиться.
Роботы не новы — они десятилетиями помогают улучшить нашу жизнь. Но сегодня роботы — это, по большому счету, простые машины, живущие в
промышленных средах .Они делают то, на что их запрограммировали, совершенно правильным образом и в нужное время.
Они полезны, но только в очень определенных обстоятельствах, и не способны адаптироваться к непредсказуемой и неструктурированной природе повседневной жизни.
Мы создаем новый тип робота, который обучается.
Тот, кто может жить в любой среде до
делать просто около что угодно .Сегодня
Роботы со сценариями
Работают в среде, разработанной и структурированной для них, например, на фабриках.
Сконфигурированы и написаны сценарии для выполнения конкретных, повторяющихся и часто очень точных задач. Вроде сборки смартфона или размещения микросхем на плате компьютера.
Расширьте наши возможности и повысьте нашу производительность, помогая нам выполнять тяжелую работу.
Но чего они не могут сделать, так это приспособиться к непредсказуемости реальной жизни. Они не могут помочь нам с повседневными задачами или ориентироваться в неструктурированной среде.
Завтра
Роботы, которые учатся
Помогают нам в повседневной жизни, когда все постоянно меняется. Они будут поддерживать нас там, где мы работаем, в наших больницах, в наших сообществах и, в конечном итоге, в наших домах.
Узнайте, как помочь нам с постоянно растущим спектром задач в известных и неизвестных условиях.
Поймите наши предпочтения — наши симпатии, наши потребности — и то, как они могут протянуть нам руку помощи, когда мы в ней больше всего нуждаемся.
Поддерживая нас в неструктурированных, непредсказуемых пространствах, где мы проводим свое время, и передавая преимущества робототехники в руки обычных людей.
Новая парадигма робототехники
Проще говоря, мы переходим из мира, где код и программирование определяют, как роботы чувствуют, планируют и действуют, в мир, где это делают данные и обучение.
Обучение — это наш лунный путь. Мы считаем, что это ключ к открытию обобщения, позволяющему роботам выполнять бесконечное количество задач в почти бесконечных средах и решать небольшие проблемы, которые занимают большую часть нашей повседневной жизни в процессе.
Наша учебная платформа
Чтобы воплотить наше видение в реальность, мы разработали интегрированную аппаратно-программную платформу, которая делает возможным обучение в любом масштабе.
Оборудование
Начнем со знакомства с телом робота-помощника — первое, что вы увидите — «Оборудование».
Роботы на колесах
Роботам не обязательно быть похожими на нас, чтобы помогать нам. Вот почему у наших роботов колеса, а не ноги. В мире, который становится все более доступным, колеса позволяют роботам перемещаться практически везде, куда может добраться человек.
Рука помощи
Наша система на конце руки предназначена для выполнения нескольких задач, таких как подъем предметов, протирание поверхностей и открывание дверей или ящиков. Чтобы обеспечить эту гибкость, руки наших роботов не такие, как у человека, они модульные. Инструменты могут быть добавлены или удалены в зависимости от того, что нужно сделать: захваты для захвата, швабры для вытирания, щетки для пыли и многое другое.
Восприятие мира
Чтобы понять мир, наши роботы собирают визуальные и пространственные данные в режиме реального времени с помощью сложного набора встроенных камер, лидара, IMU и датчиков бампера. Вместе этот пакет позволяет им обрабатывать цвет, глубину, время полета и другую информацию для создания подробной карты окружающей среды по мере ее исследования.
Программное обеспечение
Давайте перейдем к мозгу робота-помощника — «Программное обеспечение».
Аппаратное обеспечение позволяет нашим роботам воспринимать и перемещаться в реальном мире, а машинное обучение позволяет им адаптироваться к непредсказуемости реальной жизни.
Наши роботы — обучающиеся машины
Наши роботы исследуют мир и благодаря опыту и подкреплению становятся лучше в выполнении задач, которые требуются в повседневной жизни.
Чтобы учиться в реальном мире, робот должен чувствовать и понимать его. Аппаратное обеспечение собирает визуальные данные и строит подробную карту космоса. Программное обеспечение позволяет роботу переводить то, что он видел (море единиц и нулей), в понимание окружающей среды посредством сегментации объектов и людей. Благодаря контролируемому обучению робот может сказать, что вон там стол или банка. Чем больше он видит, тем лучше его система восприятия справляется с сегментацией и классификацией, что позволяет ему различать постоянно растущее количество объектов.
Принятие новых задач
После того, как робот поймет свое окружение, он сможет планировать и действовать в мире, используя свою систему движения. Но, как и мы, роботы не умеют сразу выполнять новую задачу. Здесь на помощь приходят имитационное обучение и обучение с подкреплением.
Имитационное обучение учит робота выполнять определенные действия посредством моделируемого поведения. Используя машинное обучение и человеческую демонстрацию, роботу показывают, как выполнять задачу. Затем робот имитирует это поведение, запуская свое обучение в незнакомой среде.
Между тем, обучение с подкреплением вознаграждает робота каждый раз, когда он успешно выполняет задачу, и информирует его, когда он терпит неудачу. Со временем действия, ведущие к успеху, вознаграждаются чаще, а робот становится более умелым. Затем эта информация передается другим роботам через нашу интегрированную платформу, что позволяет улучшать парк в целом.
Люди-помощники
Ни один робот не может быть полностью самостоятельным, поэтому, чтобы ускорить их обучение, мы протягиваем им руку помощи. Наша команда операторов роботов обеспечивает руководство посредством демонстрации, взаимодействия и обратной связи в режиме реального времени, чтобы наши роботы могли научиться адаптироваться к широкому спектру условий.
Обучение, прокачка в симуляторе
Как и люди, роботы могут мечтать. Но для них «мечтать» — это практиковать новые навыки в нашем облачном симуляторе.
Представьте себе видеоигру со встроенной реалистичной физикой, в которой миллионы смоделированных роботов тренируются, изучая новые задачи в различных условиях. Это сим.
Sim — это краеугольный камень нашей работы, наш ускоритель для разработки приложений и обучения модели машинного обучения. Его можно масштабировать для создания почти бесконечного числа сред и сценариев с высокой степенью вариативности и рандомизации, что сокращает время, необходимое роботу для обучения, с месяцев до дней.
Испытание нашей технологии
Практика ведет к прогрессу. Мы подвергаем наших роботов ряду сложных сценариев, чтобы испытать их возможности и помочь им учиться быстрее и лучше.
Но обучение не единично, оно происходит как флот, на порядок больше, чем любой отдельный робот.
Обучение в виртуальном мире
Мы тестируем и обучаем наших роботов с использованием нашего новейшего программного обеспечения и моделей машинного обучения в виртуальном мире.
Мы программно настраиваем сцены и условия и можем быстро сбросить их до известного состояния, ускорив ввод в эксплуатацию, проверку, обучение и время итерации.
Обучение в поэтапной среде
Наши роботы также тренируются в поэтапной среде. Это введение в реальную жизнь, где мы можем быстро создавать сложные сценарии, прежде чем развертывать их в повседневных условиях.
Воспринимайте инсценированные среды как школы роботов, где роботы могут отрабатывать такие задачи, как сортировка отходов на свалке, вторичная переработка и потоки компоста или вытирание грязных поверхностей, чтобы сделать их чище, — контролируемым образом.
Обучение в реальных условиях
Чтобы помочь нам в реальном мире, в нем должны быть роботы-помощники. И они уже есть, поддерживая людей в одном из мест, где мы проводим большую часть своего времени — в офисе.
Учимся сортировать
Мы учим роботов распознавать мусор и правильно распределять его, чтобы уменьшить компост и перерабатываемые отходы, которые попадают на свалки./cdn.vox-cdn.com/uploads/chorus_asset/file/15846528/darpa1.0.0.1466595753.jpg)
Обучение уборке
От очистки поверхностей до мониторинга качества воздуха и осмотра помещений мы поручаем роботам помогать нам оставаться опрятными, безопасными и здоровыми.
Строительство с командами из Alphabet
Google REWS
Наши роботы уже помогают в некоторых зданиях Google, помогая поддерживать чистоту и безопасность в наших офисах, получая при этом реальный опыт, необходимый им для выполнения все большего количества задач. , во все большем количестве мест.
Google Research
В партнерстве с Google Research мы продвигаем технологии машинного обучения в области обучения с подкреплением, имитационного обучения, многозадачного обучения и технологий лидарной сегментации, помогая нашим роботам учиться быстрее и лучше.
DeepMind
Мы сотрудничаем с DeepMind, стремясь к прорывам в технологиях, которые позволяют роботам более эффективно обучаться навыкам, демонстрируемым людьми, и повышать свою производительность методом проб и ошибок.