구글, 인공지능 선보여

구글은 재활용품과 폐기물을 높은 효율성으로 분류하는 AI 기반 로봇의 2년 시험을 선보였으며 아마도 앞으로의 모습을 예고했습니다.

RL의 적용을 통해 비전 시스템과 팔을 갖춘 모바일 로봇은 오프라인과 온라인 데이터의 조합을 통해 작업장 환경에서 실제 작업을 처리할 수 있어 실제 상황의 광범위한 가변성에 적응할 수 있었습니다. .

이 연구는 Google 모회사인 Alphabet의 일부인 Everyday Robots가 제공한 로봇이 재활용품, 퇴비 및 쓰레기를 담는 쓰레기통인 '폐기물 상황'을 돌아다니며 검색하도록 프로그래밍했습니다. 그런 다음 모든 재활용품(캔, 병)은 재활용 쓰레기통에 넣고, 퇴비화 가능한 품목(판지 용기, 종이컵)은 퇴비통에 넣고, 나머지는 모두 쓰레기통에 넣도록 쓰레기통 사이에 품목을 분류하는 임무를 맡았습니다. 남은 쓰레기통.

로봇은 기본 기술 세트, 즉 훨씬 작은 초기 프로그램을 사용하여 컴퓨터에 프로그램을 로드하는 프로세스로 부트스트랩되었습니다. 기술에는 네 가지 경험 세트가 포함되었습니다.

연구팀은 연구 동기를 논의하면서 현실 세계가 복잡하고 다양하며 시간이 지남에 따라 변화하기 때문에 RL 지원 로봇은 적응하는 데 어려움을 겪기 때문에 아직 일상적인 환경에서 일반적으로 사용되지 않는다고 말했습니다.

'로봇 교실'은 로봇 경험의 상당 부분을 제공합니다. 팀은 실제 사무실 건물이 가장 대표적인 경험을 제공할 수 있지만 데이터 수집 측면에서 처리량은 제한적이라고 말했습니다. 어떤 날에는 분류해야 할 쓰레기가 많고 어떤 날은 그렇지 않을 것입니다.

2년이 끝날 무렵 팀은 강의실에서 540,000개의 시험판을 수집하고 배포에서 32,500개의 시험판을 수집했습니다. 더 많은 데이터가 수집될수록 전반적인 시스템 성능이 향상되는 것으로 나타났습니다. 최종 시스템은 배포 중에 로봇이 본 내용을 기반으로 한 시나리오와의 통제된 비교를 위해 강의실에서 평가되었습니다.

최종 시스템의 84% 정확도와 함께 실제 테스트를 통해 시스템이 중량 기준으로 40%~50% 정도 오염을 줄일 수 있는 것으로 나타났습니다. 이는 2021년부터 2022년까지 세 번의 실제 배포 통계를 바탕으로 결정되었습니다.

팀은 최종 RL 정책이 매번 성공하는 것은 아니며 성능을 개선하고 이를 더 광범위한 작업으로 확장하려면 더 크고 강력한 모델이 필요할 것이라고 지적합니다. 다른 작업, 다른 로봇, 심지어 온라인 비디오를 포함한 다른 경험 소스는 부트스트래핑 경험을 더욱 보완하는 데 도움이 될 수 있습니다.