تأتي الأخبار الأولى من مؤتمر Automate لهذا العام عبر عرض Alphabet X جوهري. أعلنت الشركة يوم الاثنين في حدث شيكاغو أنها تقوم بدمج عدد من عروض Nvidia في منتجاتها منصة تطبيقات الروبوتات Flowstate.
يتضمن ذلك Isaac Manipulator، وهي مجموعة من النماذج الأساسية المصممة لإنشاء سير عمل للأذرع الآلية. تم إطلاق العرض في الاحكام والشروط العامة في شهر مارس الماضي، بحضور بعض أكبر الأسماء في مجال الأتمتة الصناعية. تشمل القائمة Yaskawa وSolomon وPickNik Robotics وReady Robotics وFranka Robotics وUniversal Robots.
يركز التعاون بشكل خاص على الانتقاء (الاستيلاء على الأشياء والتقاطها) – وهي إحدى الطرق الرئيسية لأتمتة التصنيع وتلبية الطلبات. يتم تدريب الأنظمة على مجموعات بيانات كبيرة، بهدف أداء المهام التي تعمل عبر الأجهزة (أي اللاأدرية للأجهزة) ومع كائنات مختلفة.
وهذا يعني أنه يمكن نقل طرق الاختيار إلى سياقات مختلفة، بدلاً من الاضطرار إلى تدريب كل نظام على كل سيناريو. كبشر، بمجرد أن نفهم كيفية التقاط الأشياء، يمكن تكييف هذا الإجراء مع كائنات مختلفة في سياقات مختلفة. في أغلب الأحيان، لا تستطيع الروبوتات القيام بذلك – على الأقل حتى الآن.
اعتمادات الصورة: جوهري
قال ويندي تان وايت، المؤسس والرئيس التنفيذي لشركة Intrinsic، في مقال: “في المستقبل، سيتمكن المطورون من استخدام مهارات الفهم العالمية المبتكرة مثل هذه لتسريع عمليات البرمجة الخاصة بهم بشكل كبير”. “بالنسبة للصناعة ككل، يوضح هذا التطور كيف يمكن للنماذج الأساسية أن يكون لها تأثير عميق، بما في ذلك تسهيل إدارة تحديات برمجة الروبوتات اليوم على نطاق واسع، وإنشاء تطبيقات لم تكن مجدية في السابق، وتقليل تكاليف التطوير وزيادة المرونة للمستخدمين النهائيين.
تم إجراء اختبارات Flowstate الأولى على Isaac Sim، منصة محاكاة الروبوتات التابعة لشركة Nvidia. العميل الجوهري، Trumpf Machine Tools، عمل مع نموذج أولي للنظام.
“يمكن استخدام مهارة الاستيعاب العالمية هذه، التي تم تدريبها باستخدام بيانات تركيبية بنسبة 100% في Isaac Sim، لإنشاء حلول متطورة قادرة على أداء مهام استيعاب الكائنات القابلة للتكيف والمتعددة الاستخدامات في المحاكاة والحياة الواقعية”، يوضح تان وايت حول عمل Trumpf مع المنصة. “بدلاً من تشفير أدوات قابضة محددة بشكل صارم للتحكم في كائنات معينة بطريقة معينة، يتم إنشاء تعليمات برمجية فعالة لقابض معين وكائن معين تلقائيًا لإنجاز المهمة باستخدام النموذج الأساسي.”
تعمل Intrinsic أيضًا مع DeepMind المملوكة لشركة Alphabet لحل تقدير الوضع وتخطيط المسار، وهما جانبان رئيسيان آخران للأتمتة. بالنسبة للأخيرة، تم تدريب النظام على أكثر من 130 ألف كائن. وتقول الشركة إن الأنظمة قادرة على تحديد اتجاه الأشياء في “ثواني” – وهو جزء مهم من القدرة على استعادتها.
هناك عنصر رئيسي آخر في عمل Intrinsic مع DeepMind وهو القدرة على تشغيل عدة روبوتات جنبًا إلى جنب. يوضح تان وايت، “لقد اختبر فريقنا هذا الحل الذي تم إنشاؤه بنسبة 100% بالتعلم الآلي لتنسيق أربعة روبوتات منفصلة تعمل بسلاسة على محاكاة تطبيق لحام السيارات المصغرة”. “يتم إنشاء خطط الحركة ومسارات كل روبوت تلقائيًا، وهي خالية من الاصطدامات وفعالة بشكل مدهش – مع أداء أفضل بنسبة 25٪ تقريبًا من بعض الطرق التقليدية التي اختبرناها. »
ويعمل الفريق أيضًا على أنظمة تستخدم ذراعين في وقت واحد، وهو تكوين أكثر انسجامًا مع العالم الناشئ للروبوتات البشرية. وهذا شيء سنراه كثيرًا خلال السنوات القليلة القادمة، سواء كان بشريًا أم لا. إن الانتقال من ذراع واحدة إلى ذراعين يفتح عالمًا كاملاً من التطبيقات الإضافية لهذه الأنظمة.
Source link
