211service.com
El gigante japonés de la robótica le da a sus brazos algo de cerebro
Los robots industriales grandes, tontos y monótonos que se encuentran en muchas fábricas pronto podrían ser un poco más inteligentes, gracias a la introducción de habilidades de aprendizaje automático que están saliendo de los laboratorios de investigación a un ritmo acelerado. Fanuc, uno de los fabricantes de robots industriales más grandes del mundo, anunció que trabajará con Nvidia, un fabricante de chips de Silicon Valley que se especializa en inteligencia artificial, para agregar capacidades de aprendizaje a sus productos.
El acuerdo es importante porque muestra cómo los avances recientes en IA están preparados para reformar la industria manufacturera. Los bots industriales de hoy en día generalmente están programados para realizar un solo trabajo de manera muy precisa y exacta. Pero cada vez que cambia una serie de producción, los robots deben reprogramarse desde cero, lo que requiere tiempo y experiencia técnica.
El aprendizaje automático ofrece una forma de que un robot se reprograme a sí mismo aprendiendo a hacer algo a través de la práctica. La técnica involucrada, llamada aprendizaje por refuerzo, utiliza una red neuronal grande o profunda que controla el movimiento de un brazo robótico y varía su comportamiento, reforzando las acciones que lo acercan a un objetivo final, como recoger un objeto en particular. Y el proceso también se puede acelerar haciendo que muchos robots trabajen en conjunto y luego compartan lo que han aprendido. Aunque los robots se han vuelto más fáciles de programar en los últimos años, sus habilidades de aprendizaje no han avanzado mucho.
Las unidades de procesamiento de gráficos que fabrica Nvidia, que permiten el cálculo paralelo de alta velocidad, son especialmente adecuadas para el aprendizaje profundo. Fanuc usará procesadores Nvidia dentro de robots individuales y también en un sistema central que controla todos los bots en una fábrica. El entrenamiento alimentará el sistema central, que Nvidia llama una supercomputadora GPU, y los modelos entrenados luego se transferirán a los robots para ejecutar acciones, utilizando la visión por computadora y el aprendizaje profundo.
Los robots complejos con altos niveles de articulación pueden realizar una tarea de muchas maneras, por lo que generan una gran cantidad de datos y requieren grandes cantidades de potencia informática, dice Masataka Osaki, vicepresidente de operaciones mundiales de Nvidia.
Fanuc fabrica una amplia gama de robots industriales, que se utilizan en todo tipo de entornos, desde fábricas de automóviles hasta instalaciones de producción de alimentos y electrónica. La empresa ha sido progresista en la conexión de sus robots a la nube y en la exploración de formas de utilizar los avances en el aprendizaje automático (ver 50 empresas más inteligentes: Fanuc).
El aprendizaje por refuerzo es un área de investigación particularmente candente en robótica. La técnica fue utilizada por Google para construir un programa que aprendió por sí mismo a jugar el increíblemente complejo y sutil juego de mesa Ir a un nivel sobrehumano. Al igual que con Go, las habilidades requeridas para que un robot manipule objetos o realice otras tareas pueden ser complejas de programar a mano.
Ashutosh Saxena , el fundador de una empresa llamada Brain of Things y experto en aprendizaje de robots, dice que hacer posible que los robots industriales compartan datos es una idea importante. Anteriormente, estos robots no se diseñaron teniendo en cuenta el intercambio de datos, dice. El aprendizaje profundo es particularmente adecuado para manejar tales variaciones sin necesidad de mucha programación manual.
Podemos ver una oportunidad para una gran sinergia entre la comunidad de aprendizaje de IA y los constructores de robots de fábrica tradicionales, dice yezhou yang , un profesor asistente que dirige un laboratorio de aprendizaje de robots en la Universidad Estatal de Arizona. Pero Yang dice que debido a que nadie está involucrado en la programación de un robot, será difícil para los operadores humanos entender cómo funciona realmente el sistema.
Lo tratarán como una caja negra, dice Yang. ¿Qué pasa si algo sale mal? Necesitamos algún tipo de interfaz. Creo que aún queda mucho trabajo por hacer en lo que respecta a la explicabilidad.
Fanuc ha estado investigando el uso del aprendizaje por refuerzo durante algún tiempo, trabajando previamente con una empresa japonesa llamada Preferred Networks (ver Factory Robot Learns a New Job Overnight). Otros claramente han visto la oportunidad de desarrollar la inteligencia artificial requerida para una nueva generación de robots, tanto industriales como que podrían operar en otros lugares de trabajo o incluso en los hogares (ver Google Builds a Robotic Hive-Mind Kindergarten).