Ein Moonshot-Roboter verdient Noten für das Sortieren von Müll

Roboter, die im Rahmen unseres Sortierexperiments Kompost, Recycling und Deponieabfälle in unseren Büros sortieren. Bildnachweis: Alphabet X

Die Ideenbrüter in der Moonshot Factory, Alphabet X, waren mit einem Everyday Robot-Projekt beschäftigt und das Ziel ist ziemlich einfach. Sie wollen “einen Roboter bauen, der lernen kann, in vielen verschiedenen Situationen zu operieren”.

Irgendwo zwischen den Schlagzeilen über Superstar-Roboter von Boston Dynamics, die Rückwärtssaltos machen und über Planken springen, und der unteren Schicht süßer Marsroboter, die lächeln und blinzeln, befindet sich die mittlere Schicht der Alltagsroboter, die Menschen in alltäglichen Situationen helfen können – zumindest in dieser Mitte Schicht ist zum Projektschwerpunkt geworden.

Das Interessante an diesem Projekt ist nicht nur herauszufinden, wie man Roboter herstellt, sondern wie man Roboter baut, die lernen können, weg von “mühevoller Codierung für spezifische und strukturierte Aufgaben”.

Dass Robotern das Lernen beigebracht wird, gibt es bisher reichlich, aber das Projektteam interessiert sich für Roboter, die agile Lerner sind, die, einmal mit Kameras und Machine-Learning-Software ausgestattet, die unordentliche, unberechenbare Welt um sie herum ohne Beobachtung beobachten können , als Der Download-Newsletter, MIT-Technologie-Überprüfung, um es auszudrücken, “jede potenzielle Situation, auf die sie stoßen können, gelehrt zu werden.”

Die Bemühungen des Teams, auf alltägliche Roboter hinzuarbeiten, haben sich ausgezahlt, indem sie ihre Hoffnungen bestätigten: Robotern einfache Aufgaben zu geben und sie dann üben zu lassen, ist es möglich, ihnen beizubringen, neue und bessere Fähigkeiten zu entwickeln.

„Die meisten Roboter sind dort, wo Mainframe-Computer in den 60er und 70er Jahren standen“, sagte Hans Peter Brondmo, der den Titel Chief Robot Whisperer, the Everyday Robot Project, X trägt, und das wären „teure Spezialmaschinen, die von Experten betrieben werden“. , spezialisierte Aufgaben in speziell gestalteten Umgebungen ausführen.”

Bedenken Sie, dass ein Roboter, der für Aufgaben mit eingeschränktem Fließband bestimmt ist, für den Betrieb in einer sehr strukturierten Umgebung programmiert und konstruiert wurde. Was ist mit dem Roboter, der auf ein unerwartetes Hindernis stößt?

„Damit Roboter im Alltag nützlich sein können, müssen sie die Räume, in denen wir leben und arbeiten, verstehen und verstehen. Dies erfordert neue Formen der maschinellen Intelligenz.“

Ein Moonshot-Roboter verdient Noten für das Sortieren von Müll
Dieses Bild zeigt von links nach rechts, wie die Roboter ihre Sortierfähigkeit ganz durch Übung verbessern. Im Bild ganz links übt der Roboter hauptsächlich in der Simulation und kann das Aufnehmen und Platzieren ausführen, verfehlt jedoch die Tasse. Im mittleren Bild kann der Roboter nach mehr realem Training eine Flasche aufnehmen und in den richtigen Behälter legen. Im letzten Bild rechts kann der Roboter nach noch mehr realem Training eine Dose aufnehmen, nachdem er andere Objekte manövriert hat, und sie dann in das richtige Fach stellen. Bildnachweis: Alphabet X

Die Projektmitglieder entschieden sich dafür, verschiedene Arten von Lehrern einzubeziehen. Sie sind (1) andere Roboter (2) Menschen und (3) Cloud-Simulationen. Es wurde darauf hingewiesen, dass die Schülerroboter durch High-Fidelity-Simulationen schnell lernen.

„Wir haben untersucht, wie Roboter aus menschlichen Demonstrationen und gemeinsamen Erfahrungen lernen können und wie wir das Lernen durch Simulation von Robotern in der Cloud beschleunigen können. Als wir sahen, was möglich war, begannen wir, unseren Weg aus dem Labor zu planen“, sagte Brondmo.

Wie geht es Ihnen?

Bisher zeigen die Roboter, dass sie lernen. Die Roboter haben gelernt, wie man Müll sortiert. An Alphabet-Standorten in Kalifornien werden derzeit Tests durchgeführt. Dies ist eine Lernübung. Genau wie Menschen müssen sie auswählen, welche Abfallgegenstände in welche Behälter zur Deponierung, zum Recycling oder zum Kompostieren gelangen. (Jay Peters in Der Rand zeigte ein GIF eines Roboters, der eine recycelbare Dose von einem Komposthaufen zu einem Recyclinghaufen sortiert. “Das ist verrückt, wie der Arm die Dose tatsächlich greift”, sagte er.)

Das Team verriet seinen Trainingsansatz: „Jede Nacht üben Zehntausende virtuelle Roboter das Sortieren des Mülls in einem virtuellen Büro in unserem Cloud-Simulator; wir verlagern das Training dann auf reale Roboter, um ihre Sortierfähigkeiten zu verfeinern dann wieder in die simulierten Trainingsdaten integriert und mit den anderen Robotern geteilt, sodass die Erfahrung und das Lernen jedes Roboters mit allen geteilt werden.”

So wie die Roboter lernen, bekommen auch die Projektbeteiligten wichtige Botschaften. Das Team untersucht den Erfolg von Robotern, die herausfinden, wie man Müll sortiert, und das Team sagte, dass “sie beweisen, dass es für Roboter möglich ist, neue Aufgaben in der realen Welt nur durch Übung zu erlernen, anstatt Ingenieure von Hand kodieren zu lassen”. ‘ jede neue Aufgabe, Ausnahme oder Verbesserung.”

Auf der Projektseite heißt es: „Die Roboter lernen, in Arbeitsumgebungen, die mit Menschen geteilt werden, zu navigieren und zu helfen. Sie tun Dinge wie das Sortieren des Recyclings (vorerst ziemlich langsam). Die ersten Ergebnisse sind ermutigend und das Team forscht und experimentiert weiter , und lernen, um Roboter an einen Ort zu bringen, an dem sie jedem helfen können, jeden Tag.”

Der Download: “Vorerst: Die frühen Prototyp-Roboter lernen, wie man Müll sortiert. Es klingt banal, aber es ist schwierig, Roboter dazu zu bringen, verschiedene Arten von Objekten zu identifizieren.” Der Newsletter brauchte sich nicht dafür zu entschuldigen, dass das Sortieren banal erschien. Es ist auch für den Alltagsmenschen nicht alltäglich. Alter Lampenschirm dort; Plastikflaschen hier; leere Shampooflaschen, hmm, gebrauchte Geschenkverpackungen, Keksdosen, gespülte Fischdosen, na, gib uns eine Minute.

Zurück zum Zeugnis des Projekts: Dies ist der Erfolg der Müllsortierroboter in Zahlen: In den letzten Monaten, schrieb Brondmo, haben Roboter Tausende von Müllstücken sortiert und die Abfallbelastung ihres Büros von 20 Prozent gesenkt ist, wenn Personen Gegenstände in die Schalen legen – also weniger als 5 Prozent.


Leave a Comment