Idékläckare på Moonshot Factory, Alfabetet X, har varit upptagna med ett Everyday Robot-projekt och dess mål är ganska enkelt. De är angelägna om att "bygga en robot som kan lära sig att fungera i många olika situationer."

Någonstans mellan rubrikerna över superstjärnrobotar från Boston Dynamics som gör back-flips och hoppar över plankor och det nedersta lagret av söta marsborobotar som ler och blinkar är det mellanlager av vardagliga robotar som kan hjälpa människor i vardagliga situationer – åtminstone den mitten lager har blivit projektets fokus.

Det intressanta med det här projektet är inte bara att ta reda på hur man tillverkar robotarna utan snarare hur man gör robotar som kan lära sig – i ett steg bort från att "nobbigt koda dem för att utföra specifika och strukturerade uppgifter."

Hittills har det funnits gott om bevis på andra ställen att robotar lär sig att lära sig, men projektteamet är intresserade av robotar som är smidiga elever, den där, en gång utrustad med kameror och programvara för maskininlärning, kan observera det röriga, oförutsägbar värld omkring dem utan, som The Download Newsletter, MIT Technology Review , Ställ det, "undervisas i varje potentiell situation de kan stöta på."

Teamets ansträngningar att arbeta mot vardagliga robotar har gett resultat för att bekräfta vad de hoppades skulle vara fallet – genom att ge robotar enkla uppgifter och sedan låta dem öva, det är möjligt att lära dem att utveckla nya och bättre förmågor.

"De flesta robotar är där stordatorer fanns på 60- och 70-talen, sa Hans Peter Brondmo, som bär titeln Chief Robot Whisperer, vardagsrobotprojektet, X, och det skulle vara "dyra specialmaskiner, drivs av experter, utföra specialiserade uppgifter i specialdesignade miljöer."

Tänk på att en robot som är avsedd för löpande band begränsade uppgifter har kodats och konstruerats för att fungera i en mycket strukturerad miljö. Hur är det med roboten som möter ett oväntat hinder?

"För att robotar ska vara användbara varje dag, de behöver förstå och förstå utrymmena där vi bor och arbetar...Detta kräver nya former av maskinintelligens."

Projektmedlemmarna valde att involvera olika sorters lärare. De är (1) andra robotar (2) människor och (3) molnsimuleringar. Det påpekades att studentrobotarna lär sig snabbt genom high-fidelity-simuleringar.

"Vi undersökte hur robotar kan lära sig av mänsklig demonstration, från delad erfarenhet, och hur vi kan påskynda inlärningen genom att simulera robotar i molnet. När vi såg vad som var möjligt, vi började planera vår väg ut ur labbet, sa Brondmo.

Hur mår de?

Än så länge, robotarna visar att de lär sig. Robotarna har lärt sig att sortera sopor. Testning pågår i alfabetet i Kalifornien. Detta är en inlärningsövning. Precis som människor, de är skyldiga att välja vilka sopartiklar som hamnar i vilka kärl för deponi, återvinning, eller kompost. (Jay Peters in Gränsen visade en GIF av en robot som sorterar en återvinningsbar burk från en komposthög till en återvinningshög. "Det här är vilt - kolla hur armen faktiskt tar tag i burken, " han sa.)

Teamet avslöjade sitt träningssätt:"Varje natt, tiotusentals virtuella robotar övar på att sortera avfallet på ett virtuellt kontor i vår molnsimulator; vi flyttar sedan utbildningen till riktiga robotar för att förfina sin sorteringsförmåga. Denna träning i verkligheten integreras sedan tillbaka i den simulerade träningsdatan och delas tillbaka med resten av robotarna så att erfarenheten och lärandet för varje robot delas med dem alla."

Precis som robotarna lär sig, projektdeltagarna får också viktiga meddelanden. Teamet tittar på framgången med robotar att ta reda på hur man sorterar sopor och teamet sa att "de bevisar att det är möjligt för robotar att lära sig hur man utför nya uppgifter i den verkliga världen bara genom övning, snarare än att ingenjörerna "handkodar" varje ny uppgift, undantag, eller förbättring."

Projektwebbplatsen sa att "Robotarna lär sig att navigera och hjälpa till i arbetsmiljöer som delas med människor. De gör saker som att sortera återvinning (ganska långsamt för tillfället). De första resultaten är uppmuntrande och teamet fortsätter att forska, experimentera, och lär dig för att få robotar till en plats där de kan hjälpa alla, varje dag."

Nedladdningen:"För nu:De tidiga prototyprobotarna lär sig att sortera skräp. Det låter vardagligt, men det är svårt att få robotar att identifiera olika typer av föremål." Nyhetsbrevet behövde inte be om ursäkt för att sorteringen verkade vardaglig. Det är inte heller vardagligt för vanliga människor. Gammal lampskärm där; plastflaskor här; tomma schampoflaskor, hmm, begagnade presentförpackningar, kakburkar, sköljda fiskburkar, väl, ge oss en minut.

Tillbaka till projektets rapportkort:Detta är sopsorteringrobotarnas framgång efter siffror:Under de senaste månaderna, skrev Brondmo, robotar har sorterat tusentals bitar av skräp och minskat deras kontors avfallsföroreningsnivåer från 20 procent – ​​vad det är när människor lägger föremål i brickorna – till mindre än 5 procent.

© 2019 Science X Network