موسسه تحقیقات تویوتا به نقاط عطف فنی جدیدی در زمینه رباتیک می رسد
آخرین پیشرفت ها مهارت در انجام کارهای پیچیده در محیط خانه را نشان می دهد
21 ژوئن 2021
امروز ، موسسه تحقیقات تویوتا (TRI) از قابلیت های جدید رباتیک با هدف حل وظایف پیچیده در محیط خانه رونمایی کرد. به طور خاص ، ربات گرایان TRI قادر به آموزش روبات ها برای درک و کار در شرایط پیچیده ای بودند که اکثر روبات های دیگر را گیج می کند ، از جمله شناخت و پاسخ دادن به آنها در شرایط مختلف و شفاف و بازتابنده.
همانطور که TRI در یک ویدیوی جدید نشان داده است ، این سیستم قوی به ربات ها اجازه می دهد تا در طیف وسیعی از سناریوها ، از جمله در خانه های مختلف ، تعمیم دهند. این ویدئو که در روز ملی سلفی منتشر شده است ، زبانی دارد که این قابلیت های جدید را در فیلم ضبط می کند ، زیرا ربات در حالی که این مهارت های جدید را با افتخار در خانه اجرا می کند ، در حال ضبط خود است.
ماکس باجراچاریا ، معاون رباتیک در TRI ، گفت: “هدف ما ایجاد توانایی های رباتیک است که توانایی های انسانی را تقویت و جایگزین نکند.” “آموزش روبات ها برای درک نحوه کار در محیط خانه چالش های ویژه ای به دلیل تنوع و پیچیدگی خانه های ما ایجاد می کند که در آن کارهای کوچک می توانند به چالش های بزرگ اضافه شوند.”
در حالی که انسان به راحتی می تواند بین یک شی و انعکاس آن تفاوت قائل شود ، اما موارد شفاف یا بازتابنده ای که معمولاً در خانه یافت می شوند ، روبات های امروزی را گنگ می کنند. از آنجایی که اکثر روبات ها طوری برنامه ریزی شده اند که بدون در نظر گرفتن زمینه شرایط نسبت به اشیا and و هندسه مقابل خود واکنش نشان دهند ، به راحتی با یک میز شیشه ای ، توستر براق یا یک فنجان شفاف فریب می خورند.
باجراچاریا ادامه داد: “برای غلبه بر این ، ربات گرایان TRI یک روش آموزشی جدید برای درک هندسه سه بعدی صحنه و در عین حال شناسایی اشیا و سطوح ایجاد کردند.” “این ترکیب محققان را قادر می سازد تا از مقدار زیادی داده مصنوعی برای آموزش سیستم استفاده کنند.” همچنین استفاده از داده های مصنوعی ، نیاز به جمع آوری و برچسب گذاری داده های وقت گیر ، گران قیمت یا غیرعملی را کاهش می دهد.
گرچه هیچ سیستمی کامل نیست ، اما اعلامیه امروز به دانش کمک می کند تا ربات ها بتوانند در محیط خانه به طور قابل اعتماد پیمایش کنند و کار کنند. این دستاورد فنی یک ربات را قادر می سازد تا به سرعت از “داده های قابل برنامه ریزی” – داده های ترکیبی برای بازآفرینی و یادگیری از خرابی های گذشته – بیاموزد و یک نقطه عطف امیدوار کننده برای TRI و رباتیک ها در همه جا است
منبع: تویوتا