Robot Mampu Belajar Sendiri Tanpa Di Program, dengan BrainOS
Eugene Izhikevich berpikir Anda tidak harus menulis kode untuk mengajar robot trik baru. "Ini harus lebih seperti pelatihan anjing," katanya. "Alih-alih pemrograman, Anda menunjukkan contoh konsisten perilaku yang diinginkan."
Izhikevich ini startup, Brain Corporation, yang berbasis di San Diego, telah mengembangkan sebuah sistem operasi robot yang disebut BrainOS untuk membuat yang mungkin. Untuk mengajarkan robot menjalankan perangkat lunak untuk mengambil sampah, misalnya, Anda akan menggunakan remote control untuk berulang kali memandu gripper untuk melakukan tugas itu. Setelah hanya beberapa menit dari pengulangan, robot akan mengambil inisiatif dan mulai melakukan tugas untuk dirinya sendiri. "Setelah Anda melatih, itu sepenuhnya dilakukan otomatis," kata Izhikevich, yang adalah salah satu pendiri dan CEO dari perusahaan.
Izhikevich ini startup, Brain Corporation, yang berbasis di San Diego, telah mengembangkan sebuah sistem operasi robot yang disebut BrainOS untuk membuat yang mungkin. Untuk mengajarkan robot menjalankan perangkat lunak untuk mengambil sampah, misalnya, Anda akan menggunakan remote control untuk berulang kali memandu gripper untuk melakukan tugas itu. Setelah hanya beberapa menit dari pengulangan, robot akan mengambil inisiatif dan mulai melakukan tugas untuk dirinya sendiri. "Setelah Anda melatih, itu sepenuhnya dilakukan otomatis," kata Izhikevich, yang adalah salah satu pendiri dan CEO dari perusahaan.
Izhikevich mengatakan pendekatan akan membuat lebih mudah untuk menghasilkan robot layanan murah yang mampu tugas-tugas sederhana. Pemrograman robot berperilaku cerdas biasanya membutuhkan keahlian yang signifikan, katanya, menunjukkan bahwa robot rumah yang paling sukses saat ini adalah Roomba, dirilis pada tahun 2002 The Roomba yang diprogram untuk melakukan satu tugas utama: berkeliling secara acak untuk menutup sebanyak dari luas lantai mungkin.
Otak Perusahaan berharap untuk membuat uang dengan menyediakan perangkat lunak untuk pengusaha dan perusahaan yang ingin membawa cerdas, robot-murah ke pasar. Akhir tahun ini, Brain Corporation akan mulai menawarkan sebuah papan sirkuit yang siap pakai dengan prosesor smartphone dan BrainOS dipasang untuk mitra tertentu. Membangun robot dilatih akan melibatkan penghubung yang "otak" untuk tubuh robot fisik.
Chip di papan yang dibuat oleh perusahaan prosesor mobile Qualcomm, yang merupakan investor Otak Corporation. Pada Developers Conference Handphone di San Francisco minggu lalu, robot beroda dengan kamera kembar didukung oleh salah satu papan sirkuit Otak Corporation dilatih live di atas panggung.
Dalam satu demo, robot, yang disebut EyeRover, telah mengarahkan sesuai dengan jalur tertentu di sekitar kursi, sofa, dan hambatan lain beberapa kali. Kemudian diulang rute dengan sendirinya. Dalam demo kedua, robot diajarkan untuk datang ketika seseorang memanggil untuk itu. Satu orang memegang satu tangan dekat dengan kamera kembar robot, sehingga EyeRover bisa mengunci ke atasnya. Orang kedua kemudian melakukan manuver robot maju dan kembali sinkronisasi dengan tangan pelatih. Setelah memimpin melalui latihan gerakan hanya dua kali, robot benar datang ketika dipanggil.
Contoh-contoh cepat hampir tidak canggih. Tapi Izhikevich mengatakan pelatihan yang lebih luas dilakukan selama hari atau minggu bisa mengajarkan robot untuk melakukan tugas yang lebih rumit seperti mencabut rumput liar dari tanah. Sebuah perusahaan akan perlu untuk melatih hanya satu robot, dan kemudian bisa menyalin perangkat lunak untuk robot baru dengan desain yang sama sebelum mereka menuju ke rak-rak toko.
Software Brain Corporation didasarkan pada kombinasi dari beberapa teknik kecerdasan buatan yang berbeda. Sebagian besar kekuatan datang dari menggunakan jaringan syaraf tiruan, yang terinspirasi oleh cara sel-sel otak berkomunikasi, kata Izhikevich. Otak Corporation sebelumnya berkolaborasi dengan Qualcomm pada bentuk-bentuk baru dari chip yang menulis jaringan syaraf tiruan dalam silikon (lihat "Qualcomm untuk Membangun Chips Neuro-Terinspirasi"). Mereka "neuromorphic" chip, seperti yang dikenal, adalah murni proyek-proyek penelitian untuk saat ini. Tapi mereka mungkin akhirnya menawarkan cara yang lebih kuat dan efisien untuk menjalankan perangkat lunak seperti BrainOS.
Corporation Otak sebelumnya bereksperimen dengan penguatan pembelajaran, di mana robot mulai keluar secara acak mencoba perilaku yang berbeda, dan pelatih penghargaan dengan memperlakukan virtual saat ia melakukan hal yang benar. Pendekatan ini bekerja, tetapi memiliki downsides. "Robot cenderung merugikan diri mereka sendiri ketika mereka melakukan itu," kata Izhikevich.
Pelatihan robot melalui demonstrasi adalah teknik umum di laboratorium penelitian, kata Manuela Veloso, seorang profesor robotika di Carnegie Mellon University. Tapi teknik ini lebih lambat untuk menangkap dalam dunia robotika komersial, katanya. Satu-satunya contoh di pasar adalah robot Baxter dua bersenjata, yang ditujukan untuk manufaktur ringan. Hal ini dapat dilatih dalam tugas lini produksi baru oleh seseorang secara manual memindahkan lengannya untuk mengarahkannya melalui gerakan yang dibutuhkan untuk melakukan (lihat "Robot ini bisa Transform Manufaktur").
Sonia Chernova, asisten profesor di robotika di Worcester Polytechnic Institute, mengatakan bahwa sebagian besar perusahaan robot industri lainnya sekarang bekerja untuk menambahkan jenis pembelajaran untuk robot mereka sendiri. Tapi dia menambahkan bahwa pelatihan bisa menjadi rumit untuk mobile robot, yang biasanya harus berurusan dengan lingkungan yang lebih kompleks.
Izhikevich mengakui bahwa pelatihan robot melalui demonstrasi, sementara lebih cepat dari program itu, menghasilkan perilaku kurang dapat diprediksi. Anda tidak akan ingin menggunakan teknik ini untuk memastikan bahwa mobil otonom bisa mendeteksi jaywalkers, misalnya, katanya. Tapi bagi banyak tugas-tugas sederhana, itu bisa diterima. "Hilang 2 persen dari gulma atau stroberi Anda seharusnya memilih apa-apa," katanya. "Anda bisa mendapatkan mereka besok."
Subscribe to:
Post Comments (Atom)
No comments:
Post a Comment