Обучение с нуля помогает Intrinsic создавать будущее для робототехники
06.05.2024 | Фекла Дербинова
Робототехники изучают новые способы научить роботов захватывать предметы и работать в координации с другими роботами на гораздо более высоких скоростях - навыки, необходимые на современных заводах, которые используют автоматизацию для сборки автомобилей и компьютеров, а также других продуктов.
На выставке Automate 2024 в Чикаго на этой неделе компания Intrinsic, специализирующаяся на робототехнике с искусственным интеллектом, демонстрирует свою работу с Nvidia и Google DeepMind Robotics. Используя базовые модели Nvidia Isaac Manipulator для навыков хватания, Intrinsic работала со своим клиентом Trumpf Machine Tools. Навык захвата был обучен на 100% синтетических данных, сгенерированных Isaac Sim. Isaac Manipulator был представлен в марте на Nvidia GTC2024.
«Вместо того чтобы жестко кодировать конкретные захваты для захвата определенных объектов определенным образом, эффективный код для конкретного захвата и объекта автоматически генерируется для решения задачи с использованием базовой модели и синтетических обучающих данных», - пояснила Венди Тан Уайт, генеральный директор Intrinsic, в своем блоге.
Использование базовых моделей ИИ означает, что компании могут программировать множество конфигураций роботов, которые затем смогут обобщать и взаимодействовать с различными объектами в реальном мире. «В будущем разработчики смогут использовать готовые универсальные навыки захвата, подобные этим, чтобы значительно ускорить программирование роботов, - добавил Уайт. Такая возможность может оказать огромное влияние, в том числе снизить стоимость разработки».
Совместно с Google DeepMind компания Intrinsic разработала универсальный автоматический планировщик движения роботов на основе ИИ, чтобы один или несколько роботов могли работать вместе, разделяя одно и то же рабочее пространство. Intrinsic использует модель, обученную на синтетических данных из физического движка, где в качестве исходных данных используются модели геометрии, кинематики робота, динамики робота и описания его задач. Модель обучается в облаке, и на выходе получается модель, которая представляет «практически оптимальные пути и траектории движения робота, обычно превосходящие решения человеческих экспертов», - говорит Уайт.
Компания выпустила видеоролик
Результат - 100% ML-генерация для оркестровки четырех роботов, работающих над уменьшенной симуляцией сварки автомобиля. По словам Уайта, планы движений для каждого робота генерируются автоматически и работают примерно на 25 % лучше, чем традиционные методы.
«Робототехника - это ИИ в физическом мире, и мы с нетерпением ждем, что будет дальше», - добавил Уайт.