211service.com
Japanse roboticareus geeft zijn armen wat hersens
De grote, domme, eentonige industriële robots die in veel fabrieken worden aangetroffen, kunnen binnenkort een stuk slimmer zijn, dankzij de introductie van machine learning-vaardigheden die in een snel tempo uit onderzoekslaboratoria verdwijnen. Fanuc, een van 's werelds grootste makers van industriële robots, heeft aangekondigd dat het gaat samenwerken met Nvidia, een chipmaker uit Silicon Valley die gespecialiseerd is in kunstmatige intelligentie, om leermogelijkheden aan zijn producten toe te voegen.
De deal is belangrijk omdat het laat zien hoe recente ontwikkelingen in AI klaar staan om de maakindustrie te herzien. De industriële bots van vandaag zijn meestal geprogrammeerd om één taak heel precies en nauwkeurig uit te voeren. Maar elke keer dat een productierun verandert, moeten de robots opnieuw worden geprogrammeerd, wat tijd en technische expertise kost.
Machine learning biedt een manier om een robot zichzelf te laten herprogrammeren door te leren hoe iets te doen door te oefenen. De betrokken techniek, versterkingsleren genoemd, maakt gebruik van een groot of diep neuraal netwerk dat de beweging van een robotarm regelt en het gedrag ervan varieert, waardoor acties worden versterkt die hem dichter bij een einddoel brengen, zoals het oppakken van een bepaald object. En het proces kan ook worden versneld door veel robots samen te laten werken en vervolgens te delen wat ze hebben geleerd. Hoewel robots de afgelopen jaren gemakkelijker te programmeren zijn geworden, is hun leervermogen niet veel verbeterd.
De grafische verwerkingseenheden die Nvidia maakt, die snelle parallelle berekeningen mogelijk maken, zijn bijzonder geschikt voor deep learning. Fanuc zal Nvidia-processors gebruiken in individuele robots en ook in een centraal systeem dat alle bots in een fabriek bestuurt. De training zal worden ingevoerd in het centrale systeem, dat Nvidia een GPU-supercomputer noemt, en getrainde modellen zullen vervolgens worden overgedragen aan robots om acties uit te voeren, met behulp van computervisie en deep learning.
Complexe robots met een hoge mate van articulatie kunnen een taak op veel manieren uitvoeren, dus ze genereren veel gegevens en vereisen enorme hoeveelheden rekenkracht, zegt Masataka Osaki, vice-president van wereldwijde operaties bij Nvidia.
Fanuc maakt een breed scala aan industriële robots, die in allerlei omgevingen worden gebruikt, van autofabrieken tot elektronica en voedselproductiefaciliteiten. Het bedrijf is vooruitstrevend geweest in het verbinden van zijn robots met de cloud en in het verkennen van manieren om de vooruitgang op het gebied van machine learning te gebruiken (zie 50 slimste bedrijven: Fanuc).
Reinforcement learning is een bijzonder populair onderzoeksgebied in robotica. De techniek werd door Google gebruikt om een programma te bouwen dat zichzelf leerde het ongelooflijk complexe en subtiele bordspel Go to a bovenmenselijk niveau te spelen. Net als bij Go kunnen de vaardigheden die nodig zijn om een robot objecten te laten manipuleren of andere taken uit te voeren, ingewikkeld zijn om met de hand te programmeren.
Ashutosh Saxena , de oprichter van een bedrijf genaamd Brain of Things en een expert op het gebied van robotleren, zegt dat het een belangrijk idee is om industriële robots in staat te stellen gegevens te delen. Eerder werden dergelijke robots niet ontworpen met het oog op het delen van gegevens, zegt hij. Deep learning is bijzonder geschikt om met dergelijke variaties om te gaan zonder dat er veel handmatige programmering nodig is.
We zien een kans op een enorme synergie tussen de AI-leergemeenschap en traditionele fabrieksrobotbouwers, zegt Yezhou Yang , een assistent-professor die een robotleerlab runt aan de Arizona State University. Maar Yang zegt dat omdat niemand betrokken is bij het programmeren van een robot, het voor menselijke operators moeilijk zal zijn om te begrijpen hoe het systeem werkelijk werkt.
Ze zullen het als een zwarte doos behandelen, zegt Yang. Wat als er iets misgaat? We hebben een soort interface nodig. Ik denk dat er nog enorm veel werk moet worden verzet op het gebied van verklaarbaarheid.
Fanuc doet al geruime tijd onderzoek naar het gebruik van versterkingsleren en werkte daarvoor samen met een Japans bedrijf genaamd Preferred Networks (zie Factory Robot Learns a New Job Overnight ). Anderen hebben duidelijk een kans gezien om de kunstmatige intelligentie te ontwikkelen die nodig is voor een nieuwe generatie robots, zowel industriële als robots die op andere werkplekken of zelfs thuis kunnen werken (zie Google Builds a Robotic Hive-Mind Kindergarten).