Seringkali, robot yang menjadi berita utama bermuara pada sebuah mesin yang melakukan satu hal yang sangat spesifik di laboratorium yang sangat terkontrol, diikuti dengan janji bahwa hal ini akan mengubah segalanya.
Biasanya, saya mengabaikannya saja, karena kita telah mendengar tentang robot yang mengambil alih umat manusia sejak lahirnya novel fiksi ilmiah, dan sejujurnya, sepertinya tidak ada yang benar-benar membuahkan hasil.
Para peneliti telah berhasil mengajari robot untuk mempelajari 1.000 tugas fisik yang berbeda dalam satu hari, masing-masing hanya melalui satu demonstrasi. Bukan 1.000 variasi gerakan yang sama. Kita berbicara tentang perpaduan besar interaksi objek sehari-hari seperti menempatkan, melipat, memasukkan, menggenggam, dan memanipulasi objek di dunia nyata. Bagi robot, itu adalah masalah besar.
Mengapa robot biasanya sangat buruk dalam mempelajari trik baru
Hingga saat ini, sebagian besar robot merupakan pembelajar yang sangat lambat. Mengajari mesin untuk melakukan tugas sederhana sekalipun sering kali memerlukan ratusan atau ribuan demonstrasi berulang, kumpulan data yang sangat besar, dan banyak penyesuaian di balik layar dari para insinyur.
Itu sebabnya sebagian besar robot yang Anda lihat di pabrik melakukan satu hal, berulang kali, dengan sangat baik. Mereka tidak mudah beradaptasi karena segera setelah Anda mengubah tugas yang ada, retakan mulai terlihat, dan semuanya berantakan.
Tapi manusia tidak bekerja seperti itu. Jika Anda menunjukkan kepada saya cara melakukan sesuatu sekali, mungkin dua kali, saya biasanya dapat menyelesaikan dan menyelesaikan tugas itu sendiri.
Perbedaan antara pembelajaran manusia dan pembelajaran robot telah menjadi salah satu penghalang terbesar yang menghentikan robot agar tidak benar-benar berguna di luar lingkungan yang dikontrol dengan ketat, namun sistem baru ini merupakan upaya untuk menutup kesenjangan tersebut.
Cara baru untuk mengajar robot
Terobosan di sini datang dari metode pembelajaran baru yang pada dasarnya mengajarkan robot untuk memikirkan tugas dengan lebih cerdas. Alih-alih menghafal seluruh gerakan dari awal, robot memecah tindakan menjadi beberapa fase yang lebih sederhana.
Dengan menggunakan kembali pengetahuan dari tugas-tugas sebelumnya dan menerapkannya pada tugas-tugas baru, robot dapat melakukan generalisasi dengan jauh lebih efisien, sehingga berhasil mempelajari 1.000 tugas dalam waktu kurang dari 24 jam, hanya dengan satu demo untuk setiap tugas.
Yang terpenting, ini semua terjadi pada robot sungguhan lenganbukan dalam simulasi yang dirancang untuk menghasilkan hasil yang menguntungkan, itulah sebabnya saya tertarik pada laporan ini dan ingin membaginya dengan Anda semua.
Mengapa ini penting
Saat saya menulis artikel ini, saya menyadari betapa sulitnya membuat robotika laboratorium menarik bagi audiens saya, yang lebih tertarik pada iPhone terbaru daripada pemberontakan robot hipotetis.
Meskipun demikian, perkembangan dalam pengajaran robot ini dapat mempunyai implikasi yang signifikan di masa depan dan berdampak pada kita semua.
Jika robot dapat belajar lebih cepat dan dengan data yang lebih sedikit, robot akan menjadi lebih murah, lebih fleksibel, dan jauh lebih praktis.
Dalam jangka panjang, jenis pembelajaran ini dapat menghasilkan robot rumahan yang tidak memerlukan pemrograman khusus setiap kali Anda ingin mereka melakukan tugas baru, sehingga secara efektif menghadirkan versi robot yang ideal. Baru 1X untuk hidup. Hal ini juga dapat mengubah industri seperti layanan kesehatan, logistik, dan manufaktur.
Secara lebih luas, ini merupakan tanda lain bahwa AI mulai beralih dari trik-trik pesta ke sistem yang belajar dengan cara yang lebih mirip manusia. Tidak lebih pintar dari kami, namun lebih dekat dengan cara kami beroperasi sehari-hari.
Perkembangan robotika ini memperbaiki masalah yang menghambat robotika selama beberapa dekade. Mungkin kita semakin dekat dengan masa depan yang dipenuhi robot dibandingkan apa yang pernah kita impikan beberapa tahun lalu.
Ikuti TechRadar di Google Berita Dan tambahkan kami sebagai sumber pilihan untuk mendapatkan berita, ulasan, dan opini pakar kami di feed Anda. Pastikan untuk mengklik tombol Ikuti!
Dan tentu saja Anda juga bisa Ikuti TechRadar di TikTok untuk berita, review, unboxing dalam bentuk video, dan dapatkan update rutin dari kami Ada apa juga.
Laptop bisnis terbaik untuk semua anggaran
