Новий робот Google - краще, коли кидає речі, ніж ти

Роботи змогли підібрати та перемістити об'єкти протягом десятиліть, але тільки якщо вони були запрограмовані з точними інструкціями для виконання завдання. Нейронні мережі відкрили нові кордони в дослідженнях робототехніки, надаючи машинам здатність справлятися з незвичайними розмірами об'єктами і несподіваними умовами. Google продала деякі з своїх робототехнічних проектів кілька років тому, але компанія переорієнтувалася на машинне навчання. Дослідники Google AI створили просту руку робота, яка розуміє фізику підкидання об'єктів, що є більш вражаючим, ніж можна припустити.
Ми всі знаємо, як підкинути щось у смітник - це навичка, яку ви підбираєте як дитина. Існує інтуїтивний аспект, який важко навчити машину. Ви можете змінити спосіб утримання об'єкта на основі його форми або щільності, а вага впливає на те, де в гойдалці ви відпускаєте свій хват. "TossingBot" з робототехнічної лабораторії Google використовує численні нейронні мережі для того, щоб кидати об'єкти навіть більш ефективно, ніж середній інженер.
Коли TossingBot вперше був представлений контейнером випадкових елементів, він не знав, як викинути їх у потрібні бункери. TossingBot навчився працювати з цими об'єктами, інтегруючи просту фізику з глибоким навчанням. Система має накладні камери, що показують об'ємні об'єкти і три нейронні мережі, які повідомляють, що робити. Одна мережа розпізнає об'єкти всередині бункера, друга визначає, як їх підняти, а третій описує, як викинути їх у правий контейнер. Мережі уточнюються неодноразовими спробами, більшість з яких - невдачі на ранній стадії. За словами інженерів, TossingBot тепер краще кидати речі, ніж люди, які його розробили.
За даними Google, підкидання може бути гарною стратегією для робота при переміщенні певних (нехрупких) об'єктів. Ми, люди, робимо це весь час, тому що це швидше, і ми отримуємо речі в місцях, до яких не можна дістатися. Ось чому TossingBot має прагнути до відсіків, що знаходяться поза його фізичним охопленням. Він може обробляти більше 500 об'єктів на годину, тоді як робот, який встановлює речі, може робити лише 200-300 на годину.
Компанія Google також розробляє ці нові роботи, щоб вони могли виконувати поставлені завдання, а не виглядати як люди або тварини. Ми всі бачили дивно органічних роботів від Boston Dynamics, які Google продала кілька років тому. Ці машини могли б ефективніше орієнтуватися в світі, в якому домінують люди, але вони не дуже добре володіють будь-яким конкретним завданням. Атлас може забрати коробку і перенести її в інше місце, але TossingBot може сортувати цілий контейнер різних об'єктів за той же час. Сховища майбутнього, ймовірно, будуть автоматизовані пристроями, такими як TossingBot, що працюють на нейронних мережах, а не на гуманоїдних роботах Atlas.
Читати далі

AMD купує розробника FPGA Xilinx за 35 мільярдів доларів
Угода, яку ми обговорювали на початку цього місяця, надасть AMD доступ до нових ринків, на яких вона раніше не грала, включаючи ПЛІС та штучний інтелект.

RISC-V навшпиньки до основного потоку завдяки платформі розробників SiFive, високопродуктивний процесор
RISC V продовжує проникати на ринок, цього разу завдяки дешевшій та повнофункціональнішій тестовій материнській платі.

Вчені розробляють назальний спрей, який може вивести з ладу коронавірус
У нещодавно випущеному дослідженні, задум був ефективним для дезактивації нового коронавірусу, перш ніж він міг заразити клітини.

Що це означає для ринку ПК, якщо Apple робить найшвидший процесор?
SoC від M1 від Apple може мати глибокий вплив на ринок ПК. Через 25 років x86 може перестати бути найефективнішою архітектурою центрального процесора, яку ви практично можете придбати.