Deze fabrieksrobot leert van de ene op de andere dag een nieuwe baan

In een bescheiden ogend kantoorgebouw in Tokio woont een ongewoon slimme industriële robot gemaakt door het Japanse bedrijf Fanuc . Geef de robot een taak, zoals widgets uit de ene doos halen en in een andere container doen, en hij zal de hele nacht uitzoeken hoe hij dat moet doen. Kom morgen, de machine had het werk net zo goed onder de knie moeten hebben alsof het door een expert was geprogrammeerd.

Fanuc demonstreert een robot die is getraind door middel van wapeningsleren op de International Robot Exhibition in Tokio in december.

Industriële robots zijn in staat tot extreme precisie en snelheid, maar ze moeten normaal gesproken heel zorgvuldig worden geprogrammeerd om zoiets als het grijpen van een object te doen. Dit is moeilijk en tijdrovend, en het betekent dat dergelijke robots meestal alleen in streng gecontroleerde omgevingen kunnen werken.

De robot van Fanuc gebruikt een techniek die bekend staat als diep versterkend leren om zichzelf in de loop van de tijd te trainen hoe een nieuwe taak te leren. Het probeert objecten op te pakken terwijl het videobeelden van het proces vastlegt. Elke keer dat het slaagt of faalt, herinnert het zich hoe het object eruitzag, kennis die wordt gebruikt om een ​​deep learning-model te verfijnen, of een groot neuraal netwerk dat de actie bestuurt. Deep learning is de afgelopen jaren een krachtige benadering gebleken bij patroonherkenning.

Na ongeveer acht uur bereikt het een nauwkeurigheid van 90 procent of meer, wat bijna hetzelfde is alsof een expert het programmeert, legt Shohei Hido uit, hoofdonderzoeksfunctionaris bij Voorkeursnetwerken , een in Tokio gevestigd bedrijf dat gespecialiseerd is in machine learning. Het werkt 's nachts; de volgende ochtend is het afgestemd.

Robotica-onderzoekers testen versterkingsleren als een manier om de programmering van robots die fabriekswerk doen te vereenvoudigen en te versnellen. Eerder deze maand publiceerde Google details van zijn eigen onderzoek naar het gebruik van versterkingsleren om robots te leren objecten vast te pakken.

De Fanuc-robot is geprogrammeerd door Preferred Networks. Fanuc, 's werelds grootste maker van industriële robots, investeerde vorig jaar augustus $ 7,3 miljoen in Preferred Networks. De bedrijven demonstreerden de lerende robot afgelopen december op de International Robot Exhibition in Tokyo.

Een van de grote potentiële voordelen van de leeraanpak, zegt Hido, is dat het kan worden versneld als verschillende robots parallel werken en vervolgens delen wat ze hebben geleerd. Dus acht robots die een uur lang samenwerken, kunnen hetzelfde leren als een machine die acht uur werkt. Ons project is gericht op gedistribueerd leren, zegt Hido. Je kunt je honderden fabrieksrobots voorstellen die informatie delen.

Deze vorm van gedistribueerd leren, ook wel cloudrobotica genoemd, wordt een grote trend, zowel in onderzoek als in de industrie (zie 10 Breakthrough Technologies 2016: Robots That Teach Each Other).

Fanuc is goed geplaatst om hierover na te denken, zegt Ken Goldberg , een professor in robotica aan de University of California, Berkeley, omdat het zoveel machines installeert in fabrieken over de hele wereld. Hij voegt eraan toe dat cloudrobotica de komende jaren hoogstwaarschijnlijk de manier waarop robots worden gebruikt zal veranderen.

Goldberg en collega's (waaronder verschillende onderzoekers van Google) gaan zelfs een stap verder door robots te leren hoe bepaalde bewegingen kunnen worden gebruikt om niet alleen specifieke objecten, maar ook bepaalde vormen te grijpen. Een paper over dit werk zal in mei verschijnen op de IEEE International Conference on Robotics and Automation.

Goldberg merkt echter op dat het toepassen van machine learning op robotica een uitdaging is, omdat het controleren van gedrag complexer is dan bijvoorbeeld het herkennen van objecten in afbeeldingen. Deep learning heeft enorme vooruitgang geboekt op het gebied van patroonherkenning, zegt Goldberg. De uitdaging met robotica is dat je meer doet dan dat. Je moet in staat zijn om de juiste acties te genereren voor een enorm scala aan inputs.

Fanuc is misschien niet het enige bedrijf dat robots ontwikkelt die machine learning gebruiken. In 2014 investeerde de Zwitserse robotmaker ABB in een andere AI-startup genaamd Vicarious. De vruchten van die investering moeten echter nog komen.

zich verstoppen