Google baru-baru ini bekerja di bidang yang disebut "robotika awan". Ini adalah fenomena ketika robot, setelah belajar melakukan tindakan apa pun secara mandiri, dapat berbagi "pengalaman" mereka dengan robot lain, hanya dengan mengirimkan informasi dengan metode komunikasi apa pun yang tersedia. Prinsip pengajaran ini memungkinkan Anda untuk menghindari momen pemrograman ulang, atau, bisa dikatakan, "pelatihan ulang", saat menetapkan tugas-tugas baru ke dalam teknik.
Inti dari "robotika awan" adalah sebagai berikut: itu didasarkan pada jaringan saraf yang menentukan dan menyimpan urutan tindakan yang dilakukan, bertanggung jawab atas proses otomatisme dan transfer informasi. Secara umum, untuk semua yang kita sebut pengalaman. Robot yang didasarkan pada jaringan saraf dapat mengatur tugas apa pun, dan otak buatan akan menemukan solusinya sendiri. Kedepannya, ketika melakukan tindakan ini beberapa kali, robot akan mengembangkan algoritma yang optimal yang akan dapat ditransfer ke mesin lain, dan mereka akan menggunakan dan menyempurnakannya, tidak selalu memulai dari awal.
Ilmuwan dari Google Research telah menguji algoritme mereka pada tiga jenis robot yang melakukan tugas berbeda: membuka pintu, mempelajari objek di atas nampan, dan versi modifikasi dari eksperimen pertama, saat robot tidak dilatih secara mandiri, tetapi dikendalikan oleh seseorang dengan tugas berikutnya meningkatkan keterampilan yang diperoleh.
Dalam kasus pertama, mobil membutuhkan banyak waktu untuk memahami bahwa untuk membuka pintu, Anda perlu meraih pegangan, memutarnya, dan mendorong pintu. Tetapi semua robot berikutnya menggunakan algoritme ini, melewatkan momen pelatihan.
Dalam percobaan dengan baki, mesin dibiarkan ke perangkatnya sendiri dan selama beberapa jam mereka mempelajari hubungan sebab akibat antar objek (misalnya: ketel - cangkir - gula: apa yang harus dilakukan dengan ini jelas hanya bagi kami, robot harus "belajar").
Percobaan nomor tiga, setelah melatih robot oleh operator, bergantung pada "kesadaran kolektif", yang dengan cepat bersama-sama menemukan solusi optimal, berbeda dalam posisi awal yang berbeda dari para manipulator dan hasil akhirnya, yang mempercepat manipulasi.
Saat yang paling menarik adalah ketika salah satu robot dipaksa untuk membuka pintu di mana pegangan yang sama sekali berbeda dipasang. Mesin itu bekerja dengan sangat baik.
Mengapa semua ini perlu, selain membangun teori tentang pemberontakan mesin? Sederhana saja: percepatan proses pembelajaran ini akan memungkinkan robot industri untuk mulai melakukan tugas-tugas kompleks jauh lebih cepat daripada dengan pendekatan tradisional.
Video promosi:
VLADIMIR KUZNETSOV
