Роботы могут обслуживать рестораны, делать трюки и танцы, но одна из самых больших проблем заключается в том, чтобы заставить их заниматься деятельностью, требующей мелкой моторики.
Вот почему модель, представленная исследователями из Токийского университета, удивила, когда робот поднимает и очищает банан обеими руками за три минуты.
В то время как двурукая машина успешно работает только в 57% случаев, индекс неплохой, учитывая трудности, связанные с роботом, выполняющим подобные задачи.
Самое интересное в этой разработке заключается не в том, что искусственный интеллект способен успешно чистить фрукт, а в том, что он открывает много возможностей для будущего, поскольку этот тип моторики может быть используется роботами для выполнения задач, требующих тщательного ухода, таких как перемещение мелких деталей из одного места в другое, захват и хранение хрупких предметов и т. д.
Исследователи Хичул Ким, Ёсиюки Омура и Ясуо Куниёси обучили робота с помощью процесса a href="https://www.infobae.com/tag/aprendizaje-automatico/" rel="noopener noreferrer" target="_blank"bмашинного обучения. В этом типе обучения отбирается несколько выборок для получения этих данных, которые затем используются роботом для репликации действия.
Куниёси считает, что его метод обучения может помочь системам ИИ выполнять всевозможные задачи, которые могут быть простыми для человека, но требуют большой координации и моторики. Это будет способствовать использованию этого типа технологий в домах, на фабриках и во всех видах окружающей среды.
В последние годы появилось несколько разработок, направленных на расширение возможностей роботов, чтобы эти машины могли облегчить многие повторяющиеся или рутинные действия. Как и в данном случае, основное внимание уделяется тренировке координации, стабильности и мелкой моторики.
Так обстоит дело с исследователями из Калифорнийского университета в Беркли, которые создали алгоритм Motion2Vec, который стремится сделать робота способный накладывать швы на пациентов с точностью человека.
С этой целью они использовали полуконтролируемуюa href="https://www.infobae.com/america/tecno/2019/06/18/investigadores-del-mit-crearon-una-tecnologia-capaz-de-imaginar-el-rostro-de-una-persona-con-tan-solo-escuchar-su-voz/" систему глубокого обучения, с помощью которой робот учится, просматривая хирургические видео вмешательства, при которых выполняется наложение швов. Обладая этой информацией, система искусственного интеллекта учится имитировать движения медицинских работников, чтобы точно имитировать их.
Разработчики использовали сиамскую нейронную сеть, которая состоит из использования двух одинаковых сетей, которые получают два набора данных отдельно и после их обработки сравнивают их и отображают конечный результат.
С одной стороны, система получает видео, как врач накладывает швы, а с другой - записи практикующего робота. Проведите сравнение этих двух клипов и узнайте, как повысить точность их движений.
Видеоролики, используемые в тренинге, являются частью базы данных JIGSAWS, которая собирает информацию о хирургической деятельности для моделирования движения человека. Данные, входящие в состав JIGSWAS, были собраны в сотрудничестве между a href="https://www.infobae.com/tag/universidad-johns-hopkins/" rel="noopener noreferrer" Университетом Джонса Хопкинса (JHU) и Intuitive Surgical, Inc. (Саннивейл, Калифорния). ISI) в рамках исследования, одобренного IRB.
Также в соответствии с этим типом роботов-дворецких. Есть модели, способные подбирать предметы на полу и приказывать хаос дома роботов-поваров, чтобы иметь союзников на кухне. Есть варианты того, что вы хотите себе представить, но правда в том, что эта технология еще не стала частью повседневной жизни или не распространилась отчасти потому, что она все еще нуждается в зрелости, оптимизации некоторых функций, а также снижении ее значений, что произойдет, когда использование этих устройств будет расширено.
ПРОДОЛЖАЙТЕ ЧИТАТЬ: