工业机器人通过反复试验来学习

Fanuc是世界上最大的工业机器人制造商，其使用强化学习来独立思考如何完成任务。

在东京，一栋外观朴素的办公大楼内，居住着由日本公司Fanuc开发的一款异常智能的工业机器人。给他任务：从一个盒子中取出小部件，然后将它们放在另一个盒子中，他将设法弄清楚整夜如何做。早上，该机器将已经掌握了这项工作，就好像它是由专家进行了编程，技术评论报告一样。


Fanuc去年12月在东京国际机器人展上展示了其产品。工业机器人能够以最高的精度和速度解决分配给他们的任务，但是通常，它们需要非常仔细地编程，以便学习例如捕获对象。这是困难且耗时的，并且通常意味着此类机器人只能根据严格指定的算法工作。

Fanuc的机器人使用一种称为强化学习的技术来塑造其对任务的感知。他尝试使用操纵器捕获对象，并且在此过程中捕获了他在视频上的工作。每次，无论其动作是否成功，机器都会捕获对象的图像，然后使用“深度学习”或在神经网络中处理数据来改进动作算法。在过去的几年中，深度学习已被证明对模式识别有效。

总部位于东京的机器学习公司Preferred-Networks的首席研究员Shohei Hido解释说：“经过八小时的培训，该机器人成功完成了任务范围内90％或更多的活动，这与专家的编程相当。”

机器人专家认为，强化学习可以简化并加速工厂中使用的机器人的编程。本月初，谷歌发布了自己关于强化训练使用研究的细节，该训练教机器人捕捉物体。

去年八月，Fanuc向Preferred-Networks投资了730万美元。早在12月，公司就在东京国际展览会上展示了一种自学习机器人。

这种培训方法的最大潜在优势之一是，如果多个机器人并行工作，然后彼此共享接收到的信息，则可以加快该过程。因此，一个小时工作的八个机器人可以学习八个小时内一台机器可以掌握的知识。 Hido说：“我们的项目专注于分布式学习。” “想象一下数百个工厂机器人彼此共享信息。”


演示机器人自我学习过程的视频

这种分布式学习形式（有时也称为“云机器人”）在科学研究和工业领域均具有巨大潜力。

加州大学伯克利分校的机器人学教授肯·戈德伯格说：“范努克在这项技术的开发方面拥有良好的市场地位，因为它们为全球许多工厂提供机器人。”他补充说，未来几年云机器人技术可能会改变对机器人的当前理解。

不过，他指出，将机器学习用于机器人技术是一项艰巨的任务，因为管理行为要比例如识别图像中的对象更加困难。戈德伯格说：“强化学习是模式识别方面的巨大进步。” “机器人技术的问题是人们是多线程的。因此，与机器人不同，我们能够执行必要的动作以同时解决大量任务。”

发那科并不是唯一开发这种机器人的人。2014年，ABB是一家瑞典-瑞士公司，专门研究电气工程，电力工程和信息技术。公司投资了替代项目。但是，这项投资的成果仍然不明显。

Source: https://habr.com/ru/post/zh-CN391855/