211service.com
Japanischer Robotik-Gigant verleiht seinen Armen ein paar Gehirne
Die großen, dummen, monotonen Industrieroboter, die in vielen Fabriken zu finden sind, könnten bald um einiges klüger sein, dank der Einführung von maschinellen Lernfähigkeiten, die in rasantem Tempo aus den Forschungslabors verschwinden. Fanuc, einer der weltweit größten Hersteller von Industrierobotern, kündigte an, mit Nvidia, einem auf künstliche Intelligenz spezialisierten Chiphersteller aus dem Silicon Valley, zusammenzuarbeiten, um seine Produkte um Lernfähigkeiten zu erweitern.
Der Deal ist wichtig, weil er zeigt, wie die jüngsten Fortschritte in der KI bereit sind, die Fertigungsindustrie zu überholen. Heutige Industrie-Bots sind in der Regel so programmiert, dass sie eine einzelne Aufgabe sehr präzise und genau erledigen. Aber bei jeder Produktionsänderung müssen die Roboter dann von Grund auf neu programmiert werden, was Zeit und technisches Know-how erfordert.
Maschinelles Lernen bietet eine Möglichkeit, einen Roboter selbst neu zu programmieren, indem er durch Übung lernt, wie man etwas tut. Die beteiligte Technik, die als Verstärkungslernen bezeichnet wird, verwendet ein großes oder tiefes neuronales Netzwerk, das die Bewegung eines Roboterarms steuert und sein Verhalten variiert, wodurch Aktionen verstärkt werden, die ihn einem Endziel näher bringen, wie z. B. das Aufheben eines bestimmten Objekts. Und der Prozess kann auch beschleunigt werden, indem viele Roboter zusammenarbeiten und dann teilen, was sie gelernt haben. Obwohl Roboter in den letzten Jahren einfacher zu programmieren sind, sind ihre Lernfähigkeiten nicht sehr weit fortgeschritten.
Die von Nvidia hergestellten Grafikprozessoren, die eine parallele Hochgeschwindigkeitsberechnung ermöglichen, eignen sich besonders gut für Deep Learning. Fanuc wird Nvidia-Prozessoren in einzelnen Robotern und auch in einem zentralen System verwenden, das alle Bots in einer Fabrik steuert. Das Training wird in das zentrale System eingespeist, das Nvidia als GPU-Supercomputer bezeichnet, und trainierte Modelle werden dann auf Roboter übertragen, um mithilfe von Computer Vision und Deep Learning Aktionen auszuführen.
Komplexe Roboter mit einem hohen Maß an Artikulation können eine Aufgabe auf viele Arten ausführen, sodass sie viele Daten generieren und enorme Mengen an Rechenleistung benötigen, sagt Masataka Osaki, Vice President of Worldwide Operations bei Nvidia.
Fanuc stellt eine breite Palette von Industrierobotern her, die in allen möglichen Umgebungen eingesetzt werden, von Autofabriken bis hin zu Elektronik- und Lebensmittelproduktionsanlagen. Das Unternehmen war fortschrittlich bei der Anbindung seiner Roboter an die Cloud und bei der Erforschung von Möglichkeiten zur Nutzung von Fortschritten im maschinellen Lernen (siehe 50 intelligenteste Unternehmen: Fanuc ).
Reinforcement Learning ist ein besonders heißes Forschungsgebiet in der Robotik. Die Technik wurde von Google verwendet, um ein Programm zu erstellen, das sich selbst beibrachte, das unglaublich komplexe und subtile Brettspiel Go auf einer übermenschlichen Ebene zu spielen. Wie bei Go können die Fähigkeiten, die erforderlich sind, damit ein Roboter Objekte manipulieren oder andere Aufgaben ausführen kann, komplex von Hand zu programmieren sein.
Ashutosh Saxena , der Gründer eines Unternehmens namens Brain of Things und Experte für Roboterlernen, sagt, es sei eine wichtige Idee, Industrierobotern den Datenaustausch zu ermöglichen. Früher wurden solche Roboter nicht für den Datenaustausch entwickelt, sagt er. Deep Learning eignet sich besonders gut, um solche Variationen ohne großen manuellen Programmieraufwand zu handhaben.
Wir sehen eine Chance für eine enorme Synergie zwischen der KI-Lerngemeinschaft und den Herstellern traditioneller Fabrikroboter, sagt er Yezhou Yang , ein Assistenzprofessor, der ein Roboter-Lernlabor an der Arizona State University leitet. Yang sagt jedoch, dass es für menschliche Bediener schwierig sein wird, zu verstehen, wie das System tatsächlich funktioniert, da niemand an der Programmierung eines Roboters beteiligt ist.
Sie werden es wie eine Black Box behandeln, sagt Yang. Was ist, wenn etwas schief geht? Wir brauchen eine Art Schnittstelle. Ich glaube, dass in Sachen Erklärbarkeit noch sehr viel zu tun ist.
Fanuc forscht seit einiger Zeit an der Nutzung von Reinforcement Learning und arbeitete zuvor mit einem japanischen Unternehmen namens Preferred Networks zusammen (siehe Factory Robot Learns a New Job Overnight ). Andere haben eindeutig eine Gelegenheit ausspioniert, die künstliche Intelligenz zu entwickeln, die für eine neue Generation von Robotern erforderlich ist, sowohl industrielle als auch solche, die an anderen Arbeitsplätzen oder sogar zu Hause eingesetzt werden könnten (siehe Google Builds a Robotic Hive-Mind Kindergarten ).