Get best of the week

كيف تشرح وجهة نظرك للروبوت

هل تساءلت يومًا عن سبب الحاجة إلى الروبوتات اليوم؟ منذ الطفولة ، بدا لي أن الروبوتات موجودة في المصانع الحديثة ، وأنها بعيدة عنا. أو في الخيال العلمي.
لكن ليس بعد الآن. الروبوتات اليوم هي أتمتة أي عملية روتينية. يمكن وضعها في المزارع وفي ورش تصليح السيارات.


إذا كان سعر هذه الأتمتة كبيرًا قبل ذلك ، فهو الآن ينخفض. تصبح التلاعبات التكنولوجية الأكثر تعقيدا متاحة. Roboruki هو في الأساس مثل مناور عالمي لا يحتاج إلى تصميم لكل مهمة ، => خفض تكلفة التنفيذ ، تسريع التنفيذ (على الرغم من أن roboruk يمكن أن يكون أكثر تكلفة من قطعة ناقل تقوم بعملية مماثلة).

لكن roboruk ليست سوى نصف العملية. النصف الثاني هو تعليم Roboruk على التفكير. وحتى وقت قريب ، كان الوضع رهيبًا. لا توجد مناهج عالمية يمكن لأي مهندس تكوينها. نحن بحاجة إلى توظيف المبرمجين / المطورين / علماء الرياضيات لصياغة المشكلة ، في محاولة لإيجاد حل. بالطبع ، لا يمكن أن يوجد مثل هذا الوضع لفترة طويلة. نعم ، و Computer Vision مع التدريب العميق قد تقدموا. حتى الآن ، بدأ نوع من التشغيل الآلي الأساسي في الظهور ، ليس فقط لعمليات التكرار الصارمة. اليوم سنتحدث عنها.


اختره



تقدم الشركة حلاً يسمح لك بالتقاط مجموعة متنوعة من الكائنات باستخدام roboruk المختلفة. كجزء من حلها - كاميرا ثلاثية الأبعاد وبرامج خاصة للتدريب على التقاط الأشياء والتقاطها لاحقًا.

(البحث عن الأشياء الأسطوانية)

هناك أشكال مدربة مسبقًا توجد غالبًا في الصناعة: متوازي السطوح ، اسطوانات.
ترتيب الاستخدام هو تقريبًا ما يلي:

  1. يعرض العميل كائنات الكاميرا ثلاثية الأبعاد لالتقاطها من عدة جوانب (أو يقوم بتحميل ملف CAD للجزء)
  2. يشير إلى الاتجاهات التي يتم من خلالها التقاط (ليس بالضرورة الوحيد)
  3. تكوين تكامل الروبوت مع برنامج Pick-it لأداء مهمة الالتقاط وتكوين الإجراءات اللازمة.

بالطبع ، لا يبدو الأمر معقدًا للغاية ، ولكنه يتطلب بعض المؤهلات من جانب العميل.
النقص الرئيسي هو أنه بمجرد تغيير المعلمات الخارجية (التصميم / الإضاءة / الشكل) ، قد يتوقف النظام عن العمل ، وليس من الواضح دائمًا الخطأ الذي حدث لإعادة تدريبه. لا توجد عملية مستقرة.

تكنولوجيا رؤية الكمبيوتر:


من المستحيل تحديد مجموعة التكنولوجيا المستخدمة في الشركة بالضبط. ولكن ، في الوقت الذي تأسست فيه الشركة ، يتم استخدام معلومات حول التكنولوجيا على الإنترنت وغيرها من الإشارات غير المباشرة ، يتم استخدام مجموعة "حتى التعلم العميق" من التقنيات للعمل مع المشاهد ثلاثية الأبعاد. على سبيل المثال ، البحث عن تحويلات ثلاثية الأبعاد لتحسين محاذاة السحب النقطية ( طرق ICP وطريقة RANSAC ). في بعض الأحيان يتم استخدام نقاط خاصة ، وأحيانًا طرق صعبة للجمع بين السحب النقطية أو مجموعة من الأساليب مع بعض الاستدلال.

(تسجيل سحابي قوي ثلاثي الأبعاد استنادًا إلى معيار الحد الأقصى للتأثير ثنائي الاتجاه ، Xuetao Zhang ، Libo Jian ، Meifeng Xu)

مفتاح النجاح في هذه الحالة هو الماسح الضوئي ثلاثي الأبعاد الجيد الخاص بك ، الذي تحدد جودته موثوقية جميع هذه الطرق. من المهم أيضًا ألا يكون انحراف شكل كائنات العينة والأشياء التي يجب التقاطها كبيرًا جدًا.
لدى الشركات المصنعة للروبوتات الرئيسية أيضًا أنظمة مماثلة:
ABB | كوكا | وكذلك فانوك ( Cognex ).
لكن Pick-it يغطي المزيد من التباين في اتساع نطاق التطبيقات.

النهج القياسي الآن للكائنات المتغيرة


بفضل ظهور التعلم العميق في رؤية الكمبيوتر ، أصبح من الأسهل على بعض أنواع الكائنات تدريب شبكة تلافيفية ، والتي ، بالإضافة إلى الكشف ، تقوم أيضًا بتقييم المعلمات الضرورية.

أكبر مجال لهذه الأساليب هو الزراعة. من فحص النبات إلى قطف الثمار. بطريقة ما ، المثال الكلاسيكي هو اختيار الطماطم الكرز. فيما يلي بعض الأمثلة عن الشركات التي تجمع المحاصيل:

جمع الطماطم. الحجم / المسافة / اللون المقدر

إذا نظرت عن كثب ، فإنه لا يجمع بشكل جيد للغاية.

في كثير من الأحيان ، تعد الزراعة المناسبة بالفعل 95 ٪ من الروبوت.

حول هذا الرعب بدقة 89٪ ، حتى مقالة حبري كانت.
تستخدم معظم هذه الشركات الناشئة كاشفًا مثل SSD أو YOLO مع تقييم لاحق (أو متزامن) لمعلمات النضوج. يتم تقدير موضع مساحة الفاكهة نفسها لالتقاطها بواسطة كاميرات ثلاثية الأبعاد أو ستيريو.

وفقًا لذلك ، تواجه الشركة المصنعة (وجزءًا من تكامل الحلول) المهام التالية: جودة التعرف على الاعتراف ، وتجديد عينة التدريب في الظروف الحقيقية ، والتدريب الدوري ، وكتابة خوارزمية ترتبط في جزء السيرة الذاتية ، وجزء من التقييم ثلاثي الأبعاد وجزء مع الالتقاط.
في تجربتنا ، يستغرق حل هذه المشكلة في كل مرة شهرين.

مقاربة أخرى


وإذا كنت ترغب في العمل مع نظام التعلم على التعلم العميق ، ولكن لا تتوقف عند تطبيق واحد؟ والتدريب حتى بدون برنامج تكوين معقد لكل مهمة على جانب العميل.
سيكون من الرائع إظهار الروبوت ما يجب القيام به ، ثم بطريقة أو بأخرى بطريقة ما. ولكن إليك كيفية إظهار الروبوت؟
تقوم Google ( رابط إلى أحد المشاريع ) و OpenAI ( لم يروا مشروعًا آخر ) بتنفيذ مشاريع حيث يحاول الروبوت اتباع الأيدي البشرية وتكرار الإجراءات. لكن الدقة أبعد ما تكون عن الضرورة في التطبيقات الحقيقية ، ومن الصعب قياس رياضيات المستوى الحديث.


هل هناك أي طريقة أخرى؟
في مرحلة ما ، عندما كنا نحل مشكلة توجيه وحدات التحكم للواقع الافتراضي في مساحة ثلاثية الأبعاد ، تم تطوير لغز آخر لنا. بعد كل شيء ، كان الواقع الافتراضي موجودًا منذ فترة طويلة. يمكنك إظهار الروبوت وحدة تحكم الواقع الافتراضي كيفية الاستيلاء على الكائن. ولكن ليس في المحاكاة ، مثل OpenAI ، ولكن في الواقع. مجرد صياغة مناور فيه ، وإظهار اتجاه الالتقاط.

اتضح بشكل حدسي. بعد دقيقتين ، يبدأ الشخص في فهم كيفية التقاط الأشياء أو القيام ببعض العمليات معه ، والتحكم في الروبوت في الواقع.

من المهم دائمًا فهم ما إذا كان من الممكن القيام بما يريده الروبوت. وهنا كل شيء بسيط: إذا كان بإمكان شخص ما في الواقع الافتراضي أن يُظهر للروبوت كيفية حل المشكلة ، فيمكن تدريبه على القيام بمثل هذه الأشياء. كل ما يمكن إظهاره يقع ضمن قوة المستوى الحديث للتعلم الآلي ، وهو مضمون ليتم تنفيذه مع أي ذراع روبوت موجود. وهي تقضي على العيب الرئيسي في ML الحديثة - لا تحتاج إلى قواعد بيانات ضخمة من الأمثلة التي يمكنك التدريب عليها.

ما هو زائد هذا النهج؟ حسنًا ، على سبيل المثال ، لا تحتاج إلى وصف منطق المستوى المنخفض. لماذا تكتشف كوبًا ، ثم تتحدث على أي جانب كيفية الإمساك به؟ حدد مواقع الالتقاط الدقيقة. يمكنك إظهار:
  • الزجاج على الطاولة بشكل طبيعي - أمسك بالحائط
  • الزجاج على جانبه - أمسكه بجانبه
  • الزجاج يقف رأسا على عقب - أمسك القاع

وفويلا ، بعد ساعة نحصل على النتيجة:

حسنًا ، أو مهمة أكثر صعوبة: نريد جمع الثمار ، لكننا بحاجة إلى الاحتفاظ بفرع - وهذا منطق صعب قابل للبرمجة. لكنها تتعلم فقط:

أو مثال بسيط للغاية هو الإمساك بالخيار ( بالطبع ، تم تدريب الإمساك فقط ):


تشبه الروبوتات الذكية الآن أجهزة الكمبيوتر الشخصية في الثمانينيات. هناك العديد من الفرضيات التي سيأتي إليها كل شيء. يساوي سعر إيجار الروبوت متوسط ​​راتب العامل ، مما يعني أن الروبوتية لعدد متزايد من مجالات العمل أمر لا مفر منه. لا أحد يعرف كيف سيدير ​​كل هذا في غضون خمس سنوات ، ولكن بالحكم على كيفية انخفاض سعر الروبوتات وزيادة عدد منشآتها ، فإن كل شيء يكتسب المزيد فقط.

السعر:

الأحجام:

More articles:


All Articles