これでロボットはバナナの皮をむくこともできる

ロボットはレストランにサービスを提供したり、スタントをしたり、ダンスですが、最大の課題の1つは、細かい運動能力を必要とする活動をさせることです。

そのため、東京大学の研究者が発表したモデルは、ロボットが両腕でバナナを持ち上げて3分で剥がすという驚くべきものでした。

2アームマシンは57％の確率でしか成功しませんが、この種のタスクを実行するロボットが抱える困難を考慮すると、この指標は非常に優れています。

この開発で最も興味深いのは、人工知能が果物をうまく剥がすことができるということではなく、このタイプの運動能力が小さな部品をある場所から別の場所に移動させたり、繊細な物を取り出して保管したりするなど、細心の注意が必要な作業を行うロボットに使用されます。

キム・ヒチョル、大村義之、国吉康雄の研究者は、機械学習プロセスを使用してロボットのトレーニングを行いました。このタイプのトレーニングでは、いくつかのサンプルを取得してそのデータを生成し、ロボットがアクションを再現するために使用されます。

国吉氏は、彼のトレーニング手法は、人間にとっては簡単かもしれないが、多くの協調性と運動能力を必要とするあらゆる種類のタスクをAIシステムが実行するのに役立つと考えている。これは、家庭、工場、およびあらゆる種類の環境でのこのタイプのテクノロジーの使用に有利です。

近年、ロボットの機能を強化して、これらの機械が多くの反復的または日常的な活動を軽減できるようにすることを目的としたいくつかの開発が浮上しています。この場合のように、協調、安定性、精巧な運動技能のトレーニングに焦点が当てられています。

これは、ロボットを作ろうとするMotion2Vecアルゴリズムを作成したカリフォルニア大学バークレー校の研究者の場合です。人間並みの精度で患者を縫合することができる。

そのために、ロボットが手術の動画を見て学習する半教師ありディープラーニングシステムを使用しました。縫合が行われる介入。この情報から、AIシステムは、医療従事者の動きを正確に模倣するために、その動きを真似することを学習します。

開発者は、2つのデータセットを別々に受信し、処理後にそれらを比較して最終結果を表示する2つの同一のネットワークを使用することからなるSiameseニューラルネットワークを使用しました。

一方では、システムは医師が縫合を行っているビデオを受信し、もう一方ではロボットの練習の記録を受信します。これら 2 つのクリップを比較して、動きの精度を向上させる方法を学習します。

トレーニングで使用されたビデオはJIGSAWSデータベースの一部で、人の動きをモデル化するために手術活動に関する情報を収集しています。JIGSWASの一部であるデータは、ジョンズ・ホプキンス大学（JHU）とIntuitive Surgical, Inc.（カリフォルニア州サニーベール）の共同研究により収集されました。ISI）がIRBによって承認された研究の範囲内。

また、このタイプのロボットバトラーと一致しています。床にある物体を拾い上げて家の混乱を命じることができるモデルがありますキッチンで味方として持つシェフロボット。想像したいことにはオプションがありますが、実際には、このテクノロジーはまだ成熟し、一部の機能を最適化し、その値を下げる必要があるため、まだ日常生活の一部になっていないか、普及していません。これらのデバイスの使用が拡張されたときに発生します。

読み続ける: