Teknologi prototipe menyusut AI untuk menghadirkan fungsionalitas seperti otak dalam satu perangkat yang kuat - ScienceDaily
Offbeat

Menggabungkan jaringan saraf dengan perangkat lunak perencanaan gerakan memberi robot kecepatan dan keterampilan untuk membantu di lingkungan gudang – ScienceDaily


Pada tahun lalu, penguncian dan tindakan keamanan COVID-19 lainnya telah membuat belanja online lebih populer dari sebelumnya, tetapi permintaan yang melonjak membuat banyak pengecer berjuang untuk memenuhi pesanan sambil memastikan keselamatan karyawan gudang mereka.

Para peneliti di University of California, Berkeley, telah menciptakan perangkat lunak kecerdasan buatan baru yang memberi robot kecepatan dan keterampilan untuk menangkap dan memindahkan objek dengan lancar, sehingga memungkinkan bagi mereka untuk segera membantu manusia di lingkungan gudang. Teknologi tersebut dijelaskan dalam makalah yang diterbitkan secara online hari ini (Rabu, 18 November) di jurnal tersebut Ilmu Robotika.

Mengotomatiskan tugas gudang dapat menjadi tantangan karena banyak tindakan yang datang secara alami kepada manusia – seperti memutuskan di mana dan bagaimana mengambil berbagai jenis objek dan kemudian mengoordinasikan gerakan bahu, lengan, dan pergelangan tangan yang diperlukan untuk memindahkan setiap objek dari satu lokasi ke lokasi lain – sebenarnya cukup sulit bagi robot. Gerakan robotik juga cenderung tersentak-sentak, yang dapat meningkatkan risiko kerusakan produk dan robot.

“Gudang masih dioperasikan terutama oleh manusia, karena masih sangat sulit bagi robot untuk menangkap banyak objek yang berbeda dengan andal,” kata Ken Goldberg, Ketua Istimewa William S. Floyd Jr. di bidang Teknik di UC Berkeley dan penulis senior studi tersebut. “Dalam jalur perakitan mobil, gerakan yang sama diulangi berulang kali, sehingga bisa diotomatiskan. Tetapi di gudang, setiap pesanan berbeda.”

Dalam pekerjaan sebelumnya, Goldberg dan peneliti postdoctoral UC Berkeley Jeffrey Ichnowski membuat Perencana Gerak yang Dioptimalkan Genggam yang dapat menghitung baik bagaimana robot harus mengambil objek dan bagaimana seharusnya bergerak untuk mentransfer objek dari satu lokasi ke lokasi lain.

Namun, gerakan yang dihasilkan oleh perencana ini tidak benar. Meskipun parameter perangkat lunak dapat disesuaikan untuk menghasilkan gerakan yang lebih halus, penghitungan ini membutuhkan waktu rata-rata sekitar setengah menit untuk dihitung.

Dalam studi baru, Goldberg dan Ichnowski, bekerja sama dengan mahasiswa pascasarjana UC Berkeley Yahav Avigal dan mahasiswa sarjana Vishal Satish, secara dramatis mempercepat waktu komputasi perencana gerak dengan mengintegrasikan jaringan saraf pembelajaran yang mendalam.

Jaringan saraf memungkinkan robot untuk belajar dari contoh. Belakangan, robot sering dapat menggeneralisasi objek dan gerakan yang serupa.

Namun, perkiraan ini tidak selalu cukup akurat. Goldberg dan Ichnowski menemukan bahwa perkiraan yang dihasilkan oleh jaringan saraf kemudian dapat dioptimalkan menggunakan perencana gerak.

“Jaringan saraf hanya membutuhkan beberapa milidetik untuk menghitung gerakan perkiraan. Ini sangat cepat, tapi tidak akurat,” kata Ichnowski. “Namun, jika kami kemudian memasukkan perkiraan itu ke dalam perencana gerakan, perencana gerakan hanya membutuhkan beberapa iterasi untuk menghitung gerakan terakhir.”

Dengan menggabungkan jaringan neural dengan perencana gerak, tim memotong waktu komputasi rata-rata dari 29 detik menjadi 80 milidetik, atau kurang dari sepersepuluh detik.

Goldberg memprediksi bahwa, dengan ini dan kemajuan lain dalam teknologi robotik, robot dapat membantu di lingkungan gudang dalam beberapa tahun mendatang.

“Belanja bahan makanan, obat-obatan, pakaian, dan banyak hal lainnya telah berubah akibat COVID-19, dan orang mungkin akan terus berbelanja dengan cara ini bahkan setelah pandemi selesai,” kata Goldberg. “Ini adalah kesempatan baru yang menarik bagi robot untuk mendukung pekerja manusia.”

Sumber Cerita:

Materi disediakan oleh Universitas California – Berkeley. Asli ditulis oleh Kara Manke. Catatan: Konten dapat diedit untuk gaya dan panjangnya.

Dipersembahkan Oleh : Lapak Judi

Baca Juga : Hongkong Prize