SG.hu·
Robotkarok tánca forradalmasíthatja a gyártósorokat
Egy új mesterséges intelligencia alapú rendszer összehangolt robotmozgást biztosít ütközések nélkül, az MI „robotbalett” ígéretes eredményeket hozhat a gyártósorok hatékonyságának növelésében. A DeepMind és az Intrinsic által finanszírozott RoboBallet fejlesztését egy szerdán a Science Robotics folyóiratban megjelent cikk ismerteti.
A tudósok mesterséges intelligenciát alkalmaztak robotcsapatok összehangolt munkavégzésének koreográfiájának kidolgozásához, amely ígéretes eredményeket hozhat az autógyártás és más komplex gyártósorok hatékonyságának növelésében. A RoboBallet névre keresztelt rendszer lehetővé teszi a gépcsoportok számára, hogy gyorsabban tervezhessék meg munkájukat és több feladatot végezhessenek el. Az UCL és az Alphabet leányvállalatai, a Google DeepMind és az Intrinsic projektje bemutatja, hogyan ösztönzi az MI az ipari folyamatok optimalizálására irányuló erőfeszítéseket, miközben a fejlesztők a robotcsapat tagjai közötti régóta fennálló ütközési problémák megoldására törekednek. "A RoboBallet az ipari robotikát koreografált tánccá alakítja, ahol minden kar pontosan, céltudatosan és a csapattársait figyelembe véve mozog” - mondta Matthew Lai, az UCL Computer Science és a Google DeepMind kutatója. „Nem csak az ütközések elkerüléséről van szó, hanem a nagy léptékű harmónia eléréséről.”
A kutatók a legjobb eredményeket egy robotagy használatával érték el, amelyet grafikus formában tápláltak be adatokkal, amelyek egy robotkarokból álló csoportot érintő különböző lehetséges forgatókönyveket ábrázoltak. Az agy megerősítéses tanulást alkalmazott, amelynek során „jutalmak” - azaz jelek, hogy befejezte a feladatokat, vagy gyorsabban végezte el őket, mint korábban - kapásával javult. A RoboBallet 40 feladatot tervezett és hajtott végre nyolc automatizált karral, míg a tipikus meglévő technikák öt robotot használnak 10 feladatra - mondta Lai. A RoboBallet másodpercek alatt képes új munkafolyamatokat tervezni, míg a meglévő rendszereknek ez napokba telhet - tette hozzá. Lai szerint ez jól alkalmazható lehet az autógyártó sorokon, ahol robotcsoportokat használnak alkatrészek hegesztésére. „Az, ami igazán különlegessé teszi, az a méret és a sebesség, amellyel képesek vagyunk végrehajtani a feladatokat” - mondta.
A rendszer másik előnye, hogy a robotok nem konkrét forgatókönyveket tanultak meg, hanem a koordináció általános elveit - mondták a kutatók. Ez biztosítja számukra a nagyüzemi ipari felhasználáshoz szükséges alkalmazkodóképességet, ahol például az autókarosszériák kissé eltérő pozíciókban érkezhetnek. A RoboBallet „mesterséges intelligencia mérföldkő” és „kritikus lépés egy valóban adaptív, hiperhatékony tervezési technológia bevezetése felé a robotikában és a gyártásban általában” - mondta Torsten Kroeger, az Intrinsic tudományos igazgatója.
A kutatás rávilágít arra, hogy a mesterséges intelligencia fejlődése hogyan alakítja át a robotok mozgását és navigációját, lehetővé téve számukra a gyorsabb tanulást, a bonyolultabb feladatok elvégzését és a környezetükben bekövetkező változásokhoz való jobb alkalmazkodást. A szakértők remélik, hogy a robotok mozgásait tartalmazó, egyre növekvő képzési adatbázisok tovább javítják a gépek teljesítményének minőségét, ahogyan a nagy nyelvi modellek is tanulnak a szövegarchívumokból. A RoboBallet-et még nem alkalmazták valós gyártósoron. Korlátai között szerepel, hogy még nem képes kezelni a különböző képességekkel rendelkező robotokat vagy a meghatározott sorrendben végrehajtandó feladatokat - mondták a kutatók. De a rendszernek később képesnek kell lennie ezeknek a fejlesztéseknek a beépítésére - tették hozzá.
A RoboBallet megközelítése „technikailag nem meglepő”, de úgy tűnik, hogy gyorsabb számításokat kínál, mint egyes meglévő módszerek - mondta Russ Tedrake, a Massachusettsi Műszaki Intézet professzora és a Toyota Kutatóintézet robotikai kutatásokért felelős alelnöke. A rendszer fejlesztése egy szélesebb körű kezdeményezés része volt, amelynek célja jobb megoldások kidolgozása volt a robotok mozgás tervezésével kapcsolatos nehézségekre - mondta. "Úgy gondolom, hogy ez egy fontos problémakör, és hogy a RoboBallet nagyon hasznos lehet, ha jól működik” - mondta Tedrake.
A tudósok mesterséges intelligenciát alkalmaztak robotcsapatok összehangolt munkavégzésének koreográfiájának kidolgozásához, amely ígéretes eredményeket hozhat az autógyártás és más komplex gyártósorok hatékonyságának növelésében. A RoboBallet névre keresztelt rendszer lehetővé teszi a gépcsoportok számára, hogy gyorsabban tervezhessék meg munkájukat és több feladatot végezhessenek el. Az UCL és az Alphabet leányvállalatai, a Google DeepMind és az Intrinsic projektje bemutatja, hogyan ösztönzi az MI az ipari folyamatok optimalizálására irányuló erőfeszítéseket, miközben a fejlesztők a robotcsapat tagjai közötti régóta fennálló ütközési problémák megoldására törekednek. "A RoboBallet az ipari robotikát koreografált tánccá alakítja, ahol minden kar pontosan, céltudatosan és a csapattársait figyelembe véve mozog” - mondta Matthew Lai, az UCL Computer Science és a Google DeepMind kutatója. „Nem csak az ütközések elkerüléséről van szó, hanem a nagy léptékű harmónia eléréséről.”
A kutatók a legjobb eredményeket egy robotagy használatával érték el, amelyet grafikus formában tápláltak be adatokkal, amelyek egy robotkarokból álló csoportot érintő különböző lehetséges forgatókönyveket ábrázoltak. Az agy megerősítéses tanulást alkalmazott, amelynek során „jutalmak” - azaz jelek, hogy befejezte a feladatokat, vagy gyorsabban végezte el őket, mint korábban - kapásával javult. A RoboBallet 40 feladatot tervezett és hajtott végre nyolc automatizált karral, míg a tipikus meglévő technikák öt robotot használnak 10 feladatra - mondta Lai. A RoboBallet másodpercek alatt képes új munkafolyamatokat tervezni, míg a meglévő rendszereknek ez napokba telhet - tette hozzá. Lai szerint ez jól alkalmazható lehet az autógyártó sorokon, ahol robotcsoportokat használnak alkatrészek hegesztésére. „Az, ami igazán különlegessé teszi, az a méret és a sebesség, amellyel képesek vagyunk végrehajtani a feladatokat” - mondta.
A rendszer másik előnye, hogy a robotok nem konkrét forgatókönyveket tanultak meg, hanem a koordináció általános elveit - mondták a kutatók. Ez biztosítja számukra a nagyüzemi ipari felhasználáshoz szükséges alkalmazkodóképességet, ahol például az autókarosszériák kissé eltérő pozíciókban érkezhetnek. A RoboBallet „mesterséges intelligencia mérföldkő” és „kritikus lépés egy valóban adaptív, hiperhatékony tervezési technológia bevezetése felé a robotikában és a gyártásban általában” - mondta Torsten Kroeger, az Intrinsic tudományos igazgatója.
A kutatás rávilágít arra, hogy a mesterséges intelligencia fejlődése hogyan alakítja át a robotok mozgását és navigációját, lehetővé téve számukra a gyorsabb tanulást, a bonyolultabb feladatok elvégzését és a környezetükben bekövetkező változásokhoz való jobb alkalmazkodást. A szakértők remélik, hogy a robotok mozgásait tartalmazó, egyre növekvő képzési adatbázisok tovább javítják a gépek teljesítményének minőségét, ahogyan a nagy nyelvi modellek is tanulnak a szövegarchívumokból. A RoboBallet-et még nem alkalmazták valós gyártósoron. Korlátai között szerepel, hogy még nem képes kezelni a különböző képességekkel rendelkező robotokat vagy a meghatározott sorrendben végrehajtandó feladatokat - mondták a kutatók. De a rendszernek később képesnek kell lennie ezeknek a fejlesztéseknek a beépítésére - tették hozzá.
A RoboBallet megközelítése „technikailag nem meglepő”, de úgy tűnik, hogy gyorsabb számításokat kínál, mint egyes meglévő módszerek - mondta Russ Tedrake, a Massachusettsi Műszaki Intézet professzora és a Toyota Kutatóintézet robotikai kutatásokért felelős alelnöke. A rendszer fejlesztése egy szélesebb körű kezdeményezés része volt, amelynek célja jobb megoldások kidolgozása volt a robotok mozgás tervezésével kapcsolatos nehézségekre - mondta. "Úgy gondolom, hogy ez egy fontos problémakör, és hogy a RoboBallet nagyon hasznos lehet, ha jól működik” - mondta Tedrake.