NTT izstrādā fiziskās mākslīgā intelekta sistēmu, lai palīdzētu robotu drošai kravas apstrādei

Attēls: Illustrative image · ESO · CC BY 4.0 · Avots

NTT ir izveidojis fiziskās mākslīgā intelekta sistēmu, kas ļauj robotiem paredzēt, kā krava reaģēs uz to darbībām, cenšoties samazināt bojājumus, piemēram, lidostas bagāžas apstrādē.

Japānas tehnoloģiju uzņēmums NTT ir attīstījis savu fiziskās mākslīgā intelekta iniciatīvu, izstrādājot jaunu sistēmu, kas palīdz robotu efektīvāk apstrādāt kravu, paredzot, kā objekti reaģēs uz manipulācijām. Šī tehnoloģija ir paredzēta, lai novērstu bojājumus, piemēram, saspiešanu vai nokrišanu, kad roboti paceļ kravu — bieži sastopamas problēmas automatizētajā loģistikā un kravu pārvaldībā.

Sistēma izmanto patentētu fiziskās kontroles adapteri, kas novērtē priekšmetu taustāmās īpašības, sniedzot datus par to, kā šie objekti varētu deformēties vai kustēties mijiedarbības laikā. Izmantojot dziļās mācīšanās attēlu ģenerēšanas modeli, tehnoloģija spēj vizualizēt fizisko mijiedarbību iespējamos rezultātus, piedāvājot robotiem prognozējošu slāni to kustību vadīšanai.

Tradicionālās robota manipulācijas metodes bieži sastopas ar neprecizitātēm un ierobežotu izpratni par objektu fizisko dabu, dažkārt prasa plašu apmācību datu kopumu, kas saistīta ar konkrētiem scenārijiem. NTT inovācija risina šīs problēmas, iekļaujot reāllaika fiziskās īpašības, ļaujot sistēmai darboties efektīvi arī ārpus iepriekš apgūtiem apstākļiem.

"NTT World Model" integrējas ar esošajām robotu vadības sistēmām, uzlabojot to spēju paredzēt un pielāgoties fiziskajām izmaiņām apstrādes uzdevumu laikā. Pārbaudēs ar mazu robotu, kas imitēja kravas kaudžu veidošanu, jaunā sistēma palielināja veiksmīgās operācijas rādītāju gandrīz par 20%.

Lai gan sākotnējā uzmanība ir pievērsta lidostas bagāžas apstrādei, NTT redz šīs tehnoloģijas pielietojumu daudzās nozarēs, tostarp loģistikā, noliktavās, ražošanā, būvniecībā un mazumtirdzniecībā. Uzņēmums plāno sadarboties ar robotikas programmatūras piegādātāju Mujin nākamajos demonstrācijas pasākumos, atbalstot fiziskās mākslīgā intelekta tehnoloģiju plašāku ieviešanu.

Šis attīstības posms atspoguļo pieaugošās pūles uzlabot robotu autonomiju un drošību fiziskajā vidē, potenciāli pārveidojot operacionālo efektivitāti un aktīvu aizsardzību vairākās nozarēs.