3 دقیقه
تصور کنید کلاسی که دانشآموزانش هرگز نمیخوابند، هرگز فراموش نمیکنند و همان حرکت را صدها بار تکرار میکنند تا تبدیل به غریزه شود. آن کلاس همین حالا در شانگهای وجود دارد و شاگردانش بیشتر فلزند تا گوشت.
در یک سایت ۵۰۰۰ متر مربعی در ژانگجیانگ، آکادمی جدیدی بهزودی میزبان بیش از ۱۰۰ ربات انساننما از تولیدکنندگان مختلف خواهد بود. هدف ساده اما بلندپروازانه است: تبدیل نمونههای اولیه به شریکان نیروی کار قابلاعتماد برای بیمارستانها، هتلها، مزارع و کارخانهها.
تمرین عملی در مقیاس ماشینی
مربیان مرکز شایستگی رباتها را به ۴۵ مهارت اصلی تقسیم کردهاند. برداشتن اشیاء. جابهجایی آنها. قرار دادن قطعات در توالی. هر مهارت از طریق تکرار بیوقفه آموزش داده میشود. زیر نظر کارشناسان، یک ربات منفرد میتواند در یک روز یک حرکت هدفمند را تا ۶۰۰ بار انجام دهد. پشت این تلاش علم نهفته است: هر چرخه ردپای دقیق حرکت، نشانگرهای زمانی و خوانشهای حسگر را تولید میکند که برای درس بعدی به کار میآیند.
ثمره فقط موتورهای سروو روانتر نیست. این تمرینها جریان عظیمی از دادههای رفتاری ایجاد میکنند. مهندسان انتظار دارند روزانه حدود ۵۰٬۰۰۰ نقطه داده از این مرکز تولید شود. آن نقاط پاکسازی، برچسبگذاری و تجمیع خواهند شد تا منبع یادگیری مشترکی ساخته شود که پیشرفت را در مدلها و برندهای مختلف ربات شتاب میدهد.
اشتراکگذاری داده بهعنوان عنصر محرمانه پلتفرم مطرح است. رهبری مرکز میگوید باز کردن مجموعهدادههای حرکتی در مقیاس وسیع به ماشینهای گوناگون اجازه میدهد از یکدیگر بیاموزند، منحنی توسعه را کوتاهتر کند و ایمنی در کارهای دنیای واقعی را بهبود دهد. ایده عملی است: رباتهایی که روی پایه مشترکی آموزش دیدهاند هنگام استقرار در محیطهای پرآشوب انسانی سریعتر سازگار میشوند.
یک لایه قضاوت نیز در حال توسعه است. آکادمی تنها الگوهای حرکتی را آموزش نمیدهد. مربیان رباتها را تشویق میکنند تا اقدامات را به هم زنجیره کنند، تشخیص دهند چه زمانی یک توالی را شروع کنند و چه زمانی مکث کنند. این تواناییها در اتاقهای درمانی که زمانبندی حیاتی است، در خدماتی که زمینه بهسرعت تغییر میکند و در مزارعی که موانع غیرمنتظره اغلب ظاهر میشوند اهمیت دارد.
چرا اینجا؟ خوشه فناوری ژانگجیانگ تولیدکنندگان سختافزار، آزمایشگاههای تحقیقاتی و شرکتهای خدماتی نزدیک را فراهم میکند؛ اکوسیستمی که میتواند رباتها را در سناریوهای متعدد آزمایش کند. سازندگان انواع بدنهها و پشتههای نرمافزاری متفاوت را به آکادمی میفرستند تا مجموعهداده مشترک پوشش گستردهای از طراحیها داشته باشد. این تنوع "مغز ابری" نهایی را عمومیتر و کاربردیتر میکند.
یک وجه انسانی هم در این کار هست. متخصصان، مهندسان حرکت و ممیزان ایمنی کنار ماشینها روی زمین کار خواهند کرد. آنها خرابیها را حاشیهنویسی میکنند، پارامترهای گرفتن را تنظیم میکنند و پروفایلهای حرکت را دقیقتر میسازند. رباتها از تکرار خام میآموزند؛ انسانها به آنها ظرافت میآموزند.
آنچه بعد رخ میدهد میتواند سرعت انتقال رباتهای انساننما از کنج آزمایشگاه به مددکاران روزمره را بازتعریف کند. اگر مدل مشترک موفق شود، شاهد استقرار سریعتر، کمتر شدن شگفتیها در میدان و رباتهایی خواهیم بود که برای هر کار جدید نیاز کمتری به تنظیم خاص دارند. آکادمی آزمایشی در مقیاس است؛ تمرینی برای آموزش نه فقط ماشینها، بلکه رویکردی صنعتی به هوش مشترک و یادگیری رباتیک.
منبع: smarti
ارسال نظر