Kevesen tudják, hogy a részben vagy teljesen elektromos meghajtások mellett a Toyota vezető szerepelt tölt be a mesterséges intelligencia és a robotika területét érintő fejlesztések tekintetében is. Ezeknek a területeknek nem csupán az jövő önvezető autóiban (és az autonóm autózás előszobájának tekintett aktív biztonsági és vezetéstámogató rendszerekben) van kiemelt szerepe, hanem a tervezési és gyártási folyamatok optimalizálásában is.
A jövőképében önmagát a világ vezető mobilitási szolgáltatójaként definiáló vállalat innovációs tevékenységét vezető Toyota Research Institute (TRI) ezúttal olyan technológiát fejlesztett ki, amely forradalmasíthatja a robotok tanulási folyamatát. Az új mesterséges intelligencia alapú diffúziós politika lehetővé teszi a robotoknak, hogy egyszerű utasítások alapján tanuljanak meg több mint 60 kézügyességi feladatot anélkül, hogy új kódot írnának.
Az érintés érzékelése kulcsfontosságú ebben a folyamatban, amely lehetővé teszi a robotok számára az interakció révén történő tanulást. A TRI célja az, hogy a robotoknak 1000 új készséget tanítson meg 2024 végéig. Az új technológia sebessége és megbízhatósága jelentős lépést jelent a robotok hatékonyabbá tételében, és hozzájárul a mindennapi életünk megkönnyítéséhez.
Nem, a robotok nem veszik át a világuralmat. Ugyanakkor hamarosan elég okosak lehetnek ahhoz, hogy átvegyék az olyan egyszerű, hétköznapi feladatokat, mint például a főzés. És ez a „hamarosan” talán még hamarabb eljön majd a Toyota Research Institute robotikusai által a tanulási technológiában elért új áttörésnek köszönhetően.
Mérföldkőnek számító új technológia
A TRI Robotics laboratóriumaiban dolgozó tudósok egy csoportja azon dolgozik, hogy a robotokat úgy fejlessze, hogy azok – a Mobilitás mindenkinek szellemében – képesek legyenek az embereket támogatni. Legújabb fejlesztésük pedig egy olyan, mérföldkőnek tekinthető technológia, amely sokkal okosabbá és segítőkészebbé teszi a robotokat. Ez a fejlesztés egy mesterséges intelligenciára épülő diffúziós politikán alapul, és egyszerűbben fogalmazva lehetővé teszi a robotok számára, hogy gyorsabban tanulják meg az új készségeket. A technológia jelentős lépés a robotok számára kifejlesztett „nagy viselkedési modellek” (Large Behavior Models, LBM) felé, ugyanúgy, ahogyan a „nagy nyelvi modellek” (Large Language Models, LLM) nemrégiben forradalmasították a társalgási mesterséges intelligenciát.
Bővülő tanulási képesség
A korábbi módszerekkel ellentétben, amelyek lassúak voltak és csak bizonyos feladatokra korlátozódtak, ez a megközelítés már lehetővé tette a TRI-nél dolgozó tudósok számára, hogy egyetlen sor új kód megírása nélkül több mint 60 kézügyességi feladatot tanítsanak meg a robotoknak. A TRI célja, hogy ezt a képességet tovább bővítse, és az év végére több száz, 2024 végére pedig 1000 új készséget tanítson meg.
Új készség kevesebb mint egy nap alatt
Így működik ez a való életben. Egy „tanár” egy távműködtető rendszer segítségével utasít egy robotot bizonyos cselekvések végrehajtására, lényegében egy kis készségkészlet bemutatásával. Ez jelenti a folyamat kezdetét. Ezután a mesterséges intelligencián alapuló diffúziós politika több órán át szívja magába az információkat, és a háttérben finomítja a robot képességeit. Jellemzően a robot tanítása délután történik, a tanulási folyamat pedig egy éjszaka alatt. Amikor a csapat reggel visszatér, a robot képes végrehajtani az éjszaka során megtanult új viselkedési formákat.
Tanulás az érintésen keresztül
Az érintésérzékelés létfontosságú szempont ebben a tanulási folyamatban. Ahogy az emberek is jobban tanulnak az érintés és az interakció révén, úgy a robotok is nagy hasznát veszik ennek. Egy haptikus eszköznek köszönhetően, amely a tanító számára az érintés érzékét szimulálja, a robotok mostantól a környezetükkel való interakció révén tanulhatnak és fejleszthetik képességeiket. Ellenkező esetben nehezen tudnák hatékonyan végrehajtani a feladatokat. Ha érintés útján tud interakcióba lépni a környezetével, akkor sikeressé válik különböző műveletek végrehajtásában, például egy palacsinta megfordításában, ami jól mutatja az érintés beépítésének erejét a tanulási folyamatba.
„Ami annyira izgalmas ebben az új megközelítésben, az az a sebesség és megbízhatóság, amellyel új készségeket tudunk hozzáadni. Mivel ezek a készségek közvetlenül a kameraképek és a tapintásérzékelés alapján, kizárólag tanult reprezentációkat használva működnek, még olyan feladatokban is képesek jól teljesíteni, amelyek deformálható tárgyakat, ruhát és folyadékot tartalmaznak – ezek mindegyike hagyományosan rendkívül nehéz feladatot jelentettek a robotok számára.”- árulja el Russ Tedrake, a TRI robotikai kutatásért felelős alelnöke.
Arról, hogy hogyan történik a robotok tanítása, az alábbi linken tekinthető meg videó: Teaching Robots New Behaviors (youtube.com)
Toyota CE
Az elektromos autók iránti érdeklődés kissé hullámzó, de a piaci keresletük folyamatosan növekszik. A fenntartható…
Március 31-én lejárt a kötelező kamarai hozzájárulás befizetésének határideje, amely évente 5000 forintot jelent a…
Április 2-től újabb parkolási övezet vált fizetőssé, ahol reggel 8 órától este 6 óráig kell…
Megjelent a Magyar Közlönyben az e-pénztárgépek forgalmazásáról, üzemeltetéséről, valamint az e-pénztárgépek és az e-nyugta kiállításának…
Az izraeli miniszterelnök látogatása miatt 2025. április 6-ig megváltozik a forgalmi rend. A Budapesti Rendőr-főkapitányság…
Hatályba lépett az e-pénztárgépekről szóló rendelet. Keddtől hatályos az e-pénztárgépekről szóló rendelet, amely jelentősen átalakíthatja a…