Google har nylig jobbet innen såkalt "cloud robotics". Dette er et fenomen når roboter, etter å ha lært seg å uavhengig utføre handlinger, kan dele sin "opplevelse" med andre roboter, ganske enkelt ved å overføre informasjon med en hvilken som helst tilgjengelig kommunikasjonsmetode. Dette prinsippet om undervisning lar deg unngå øyeblikket med omprogrammering, eller så å si "omskolering", når du setter nye oppgaver til teknikken.
Essensen av "skyrobotikk" er som følger: den er basert på nevrale nettverk som bestemmer og lagrer sekvensen av utførte handlinger, er ansvarlig for prosessene med automatisme og informasjonsoverføring. Generelt for alt det vi kaller erfaring. Roboter basert på nevrale nettverk kan sette enhver oppgave, og den kunstige hjernen vil finne sine egne løsninger. I fremtiden, når du utfører disse handlingene flere ganger, vil roboten utvikle en optimal algoritme som den vil være i stand til å overføre til andre maskiner, og de vil bruke og forbedre den, og starter ikke fra bunnen av hver gang.
Forskere fra Google Research har testet algoritmen sin på tre typer roboter som utfører forskjellige oppgaver: Åpne dører, studere objekter på et brett og en modifisert versjon av det første eksperimentet, da roboten ikke ble trent uavhengig, men ble kontrollert av en person med den påfølgende oppgaven med å forbedre ferdighetene som ble tilegnet.
I det første tilfellet tok det bilen mye tid å forstå at du må ta tak i håndtaket, vri det og skyve døren for å åpne døren. Men alle påfølgende roboter brukte denne algoritmen, og hoppet over treningsøyeblikket.
I eksperimentet med brettet ble maskinene overlatt til sine egne enheter, og i flere timer studerte de årsaksforholdene mellom objekter (for eksempel: en vannkoker - en kopp - sukker: hva de skulle gjøre med dette er åpenbart bare for oss, robotene måtte "lære").
Eksperiment nummer tre, etter å ha trent roboten av operatøren, var prisgitt den "kollektive bevisstheten", som raskt sammen fant de optimale løsningene, avvikende i forskjellige startposisjoner for manipulatorene og det endelige resultatet, som akselererte manipulasjonen.
Det mest interessante øyeblikket var da en av robotene ble tvunget til å åpne en dør som en helt annen type håndtak var installert på. Maskinen gjorde en utmerket jobb.
Hvorfor er alt dette nødvendig, i tillegg til å konstruere teorier om oppstand av maskiner? Det er enkelt: denne akselerasjonen av læringsprosessen vil gjøre det mulig for industriroboter å utføre komplekse oppgaver mye raskere enn med den tradisjonelle tilnærmingen.
Salgsfremmende video:
VLADIMIR KUZNETSOV
