На прошлой неделе в RoboBusiness мне посчастливилось услышать, как Джеймс Каффнер, технический директор Исследовательского института Toyota (TRI), представил свое видение миллиона подключенных роботов. Если эта предпосылка звучит пугающе, извините. Хэллоуин не за горами. А если серьезно, стоит разобраться подробнее.

По словам Каффнера, скорость подключения так же важна для облачной робототехники, как рост скорости обработки или закон Мура. «Неизвестно, о чем некоторые люди не знают, — это то, насколько быстро увеличилась скорость и пропускная способность беспроводного широкополосного интернета, почти в 1600 раз как по скорости, так и по пропускной способности за последние 10 лет», — заявил Каффнер на сцене. «Это действительно изменило правила игры для подключенных к сети автомобилей и подключенных роботов, и поэтому одна из вещей, о которых я думал, — это то, что меняется и что возможно, когда у вас есть эти высокоскоростные беспроводные соединения с самыми мощными вычислительными ресурсами, которые люди создали современный центр обработки данных».

Концепция «облачной робототехники» была впервые предложена Каффнером в 2010 году, когда он работал в Google, как изменение взглядов на разработку роботов. Используя облако, будущие роботы смогут быстро обучаться в сети подключенных автономных систем, получая доступ к обучению, собранному с отдельных конечных точек, которое поглощается в целом.

«Вместо того, чтобы один робот работал в течение 10 000 часов, почему бы нам не запустить 100 роботов в течение 100 часов и собрать такое же количество данных», — сказал Каффнер. «Роботы для обмена данными, каждый из которых учится на опыте друг друга, помогут каждому совершенствоваться быстрее». Он добавил, что это в равной степени относится к подключенным автомобилям, а также к подключенным домашним роботам или роботам-помощникам, которые делятся своими данными.

Каффнера уволили из Google в январе, чтобы он руководил исследованиями Toyota в будущем, с первой проблемой, которую нужно было решить, — старением на месте. По его собственным словам, «когда мы думаем о робототехнике, мы думаем о старении на месте и качестве жизни. С технической стороны у нас есть много проблем с точки зрения надежного восприятия, рассуждений и понимания сцены, чтобы реализовать настоящее транспортное решение и интеллектуального робота, который может помочь людям стареть на месте».

Как это связано с автомобилями? Каффнер объясняет: «Транспорт всегда был связан со свободой и мобильностью, а люди, стареющие и утратившие способность водить машину, означают, что у них меньше свободы и мобильности… Таким образом, один из хороших результатов автономии для транспортных средств заключается в том, что люди могут внезапно восстановить свободу передвижения. мобильность для людей, которые иначе не могут водить».

Вернувшись в Маунтин-Вью, бывший работодатель Каффнера (Google) добился больших успехов в своем роботизированном облаке под руководством своего нового лидера Сергея Левина из команды Google Brain, которая в прошлый понедельник объявила, что завершила серию из трех тестов, которые доказали, как один может использовать облако для обучения навыкам общего назначения на нескольких роботах.

В первом тесте роботы обучались двигательным навыкам непосредственно методом проб и ошибок. Каждый робот начинал с копии нейронной сети, пытаясь открыть дверь снова и снова. Через регулярные промежутки времени роботы отправляли данные о своих действиях на центральный сервер, который использовал эти данные для построения новой нейронной сети, которая лучше отражала взаимосвязь действия и успеха. Затем сервер отправил обновленную нейронную сеть обратно в robots.

Во втором сценарии исследователи хотели, чтобы роботы научились взаимодействовать с объектами не только путем проб и ошибок, но и путем создания внутренних моделей объектов, окружающей среды и их поведения. Как и в случае с задачей открытия двери, каждый робот начинал со своей собственной копии нейронной сети, «играя» с различными бытовыми предметами. Затем роботы поделились своим опытом друг с другом и вместе построили то, что исследователи называют «единой прогностической моделью», которая дает им неявное понимание физики, связанной с взаимодействием с объектами.

В финальном испытании роботы обучались навыкам с помощью людей. Идея состоит в том, что у людей хорошо развита интуиция в отношении их взаимодействия с объектами и миром, и что, помогая роботам с навыками манипулирования, мы могли бы передать часть этой интуиции роботам, чтобы они могли быстрее освоить эти навыки. В ходе эксперимента исследователь помогал группе роботов открывать разные двери, в то время как одна нейронная сеть на центральном сервере кодировала их действия. Затем роботы выполнили серию проб и ошибок, которые постепенно усложнялись, помогая улучшить сеть.

Согласно сообщению в блоге Brain Team, все три эксперимента доказали способность роботов общаться и обмениваться опытом, что позволяет им учиться быстрее и эффективнее. Это становится особенно важным, когда мы объединяем роботизированное обучение с глубоким обучением, как это имеет место во всех экспериментах, обсуждавшихся выше. Мы уже видели, что глубокое обучение работает лучше всего при наличии достаточного количества обучающих данных. Например, в популярном тесте ImageNet используется более 1,5 миллиона помеченных примеров. Хотя такой объем данных не является невозможным для одного робота за несколько лет, гораздо эффективнее собрать такой же объем опыта от нескольких роботов в течение нескольких недель. Помимо более быстрого обучения, этот подход может выиграть от большего разнообразия опыта: развертывание в реальном мире может включать несколько роботов в разных местах и ​​​​разных условиях, совместно использующих разнородный, разнообразный опыт для создания единого, высокообобщаемого представления.

По словам исследователей, «учитывая, что эта обновленная сеть немного лучше оценивает истинную ценность действий в мире, роботы будут вести себя лучше… Затем этот цикл можно повторить, чтобы продолжить улучшение задачи».

Что касается других новостей SkyNet, TRI и Google также вдохновили стартапы на разработку роботизированного облака. Буквально в прошлом месяце Rapyuta Robotics, дочерняя компания ETH Zurich, получила 10 миллионов долларов в виде финансирования серии A от японской компании SBI Investments Co. Согласно веб-сайту, миссия Rapyuta Robotics состоит в том, чтобы расширить возможности жизни с помощью мобильных автономных устройств, подключенных к облаку. машины. Ожидается, что в следующем году будет выпущена версия его роботизированной облачной платформы с открытым исходным кодом. Я полагаю, кто-то должен предупредить Джона Коннора…