DeepDigest
TechOrange · · ~2 мин

Nexuni и MIT Media Lab: решения для внедрения AI в промышленность

На 333 Robots Community Meetup обсудили проблемы внедрения робототехники в промышленность. Nexuni и MIT Media Lab представили технологии для улучшения восприятия и обучения роботов. Благодаря новым методам сбора данных и оптимизации обучения уровень успеха работы роботов в реальных условиях удалось поднять с 20–30 % до почти 60 %. Также речь шла о применении роботов для патрулирования и участии в соревнованиях.

Nexuni и MIT Media Lab: решения для внедрения AI в промышленность

На мероприятии 333 Robots Community Meetup представитель компании Nexuni и кандидат в доктора MIT Чэнь Вэйтун рассказал о проблемах и решениях в сфере робототехники. По его мнению, для успешного внедрения роботов нужны две ключевые вещи: хорошее восприятие окружающей среды и «умный мозг».

MIT Media Lab разработала передовые технологии для улучшения восприятия роботов. Например, с помощью миллиметровых волн удалось обеспечить стабильный полёт дронов в полной темноте. Ещё одна разработка — технология звукового обратного рассеяния без батареек: она позволяет создавать «подводный GPS» с точностью до 28 см и дальностью определения положения до 20 метров. Это помогает находить и извлекать потерянные рыболовные сети, которые наносят вред морской экосистеме.

Одна из главных проблем в обучении роботов — нехватка данных о физических действиях: для сбора достаточного объёма данных одними только людьми потребуется около 100 тысяч лет. Nexuni в сотрудничестве с NVIDIA нашла способы снизить затраты на сбор данных. Компания представила универсальный интерфейс управления UMI — устройство, которое позволяет собирать данные в реальных условиях с минимальными затратами (для работы нужны только GoPro и зеркало). Также Nexuni разработала технологию Skill: оператор носит шлем с камерой, а система автоматически отслеживает положение суставов рук и кистей. Благодаря этому удалось собрать 25 тысяч часов данных для обучения роботов.

В условиях реального завода начальный уровень успеха работы роботов часто составляет всего 20–30 %. Nexuni внедрила свои технологии в прачечную в Сингапуре, где роботы должны были точно захватывать полотенца из хаотично сложенной стопки и подавать их на складыватель. Для повышения эффективности компания использовала две стратегии: «рандомизацию домена» (случайное изменение фона, высоты стола и цвета полотенец в процессе обучения, чтобы модель научилась обобщать) и «цикл данных о неудачах» (использование неудачных попыток в качестве новых данных для обучения). В результате уровень успеха вырос почти до 60 %.

Кроме того, Nexuni разработала платформу NIRO и внедрила четырёхногих роботов для патрулирования в сингапурских метро и бизнес‑парках. Эти роботы умеют автоматически избегать препятствий, ориентироваться в потоке людей и возвращаться на зарядку. Они помогли страховым компаниям сократить потребность в охранниках на две трети. Однако из‑за строгих требований клиентов к безопасности и другим параметрам Nexuni решила самостоятельно разработать робота‑собаку с улучшенной защитой от дождя.

Следующее мероприятие 333 Robots Community Meetup пройдёт 19 августа. На нём представят разработку Gesture HW1 (гибкую руку‑манипулятор) и проведут показательные выступления роботов в рамках соревнований RCL (лиги по боям человекоподобных роботов).

// оригинал
TechOrange ↗ Читать оригинал
6 просмотров
// поделиться Telegram VK