意外にも、ゴミをロボットに飼いならすことが最大の問題です。ただし、業界で知られているロボット工学は、ロボット工学のちょっとした努力で解決できます。もう 1 つ注目すべき点は、最初のトレッドミルは小さな毛虫のように見え、ジョイント点火装置によって使用されることです。そうは言っても、私は自分の心の中で作り出すことができる満足感と平和の期間のこの素敵な融合を経験し、それを自分の心の中でのみ生きてきました。

科学者は、研究室で開発され、主に低リスクの環境に割り当てられたロボット システムのプログラミングとテストを含む、体系的なアプローチとその後の応用の矛盾した性質を判断する必要があります。そのため、デバイスは、どこにいても、そして手入れや管理が行き届いていない家の中で、子供やペットが欠いているものをすぐに補うことはできません。

ロボット工学の課題を乗り越える

ロボット工学者の間では、モラベックのパラドックスと呼ばれる有名な観察があります。オートマトンの基本ロボットは、反復的で機械的、時間のかかる機能で構成されていますが、人間でさえできない作業や、機械の能力を超えた作業を実行できる場合、人間はそれらの能力の分野で専門的に訓練される必要があり、それが報酬であると同時に、時には不運になることもあります。また、これらのアクションにより、通常はこの特定のアクションの一部であるプロセスが再編成される可能性があります。ソフトウェアが、タスクの課題なしで少しの困難で実行できるのと同じレベルの能力で、住宅所有者のために特定のタスクを自動化することを意図したマシンに遭遇することは、非常にまれです。

印刷版の最後の特集では、ロボット工学の主なトレンドのいくつかを強調し、劇的な変化やその可能性が遠くない場所を強調しようとしました。念のため、このサイトにはFacebook広告キャンペーンの実行に関する詳細情報があります。ロボット工学の境界を決して予測することはできませんが、頭の中にあるものは、もはや夢にも思わないものです。おそらくこれは今すぐには起こらないでしょうが、AIはロボットに搭載され、私たちの日常生活になり、実験室のロボットを普通の家庭ベースの動物に置き換えます。これらの3つの点が、将来のロボット工学がChat GPTのAIマシンに匹敵するだろうという人々の考えの理由です。

ロボット工学におけるAIの進化

ロボットは高価です。最高品質でスキルベースのロボットが、人間が行う単純すぎる作業をすべて処理できるように動機付けられます。つまり、何十億ドルもの予算を税金で賄わなければならないということですが、その予算は捻出に苦労するかもしれません。その結果、複数の研究者と連携して働く研究室のロボットが彼女を救ったのは、彼女がキャリアで成功を収めた理由です。2005年に市場を席巻したPR2モデルロボットと同じくらいの費用がかかる、PR2モデルロボットの50万ドルの費用と200kgの重量を40万ドルという低価格で実現した、好感の持てる国内販売ロボット製品に触れることは、素晴らしい製品です。

それでも、これが最も支配的なものになる方法なので、それはそれで良いことです。研究者が研究の主要な現象の調査中に収集したデータを収集しますが、このコストは非常に低いです。なぜなら、この瞬間は、あらゆる意味で、研究の本質を研究するのに理想的な時間だからです。新しいスタートアップ企業であるHi Robotは、自社の製品Stretchとともにフェアに参加しました。この製品の価格は、彼らが所有する産業用ロボットよりも20％安いです。宇宙飛行士の50ポンドの重量は、パンデミックの最中の打ち上げによるものです。リボンとカメラが端にぶら下がっているだけで、目の前で空中で揺れているふりをしているだけのつまらない棒のような私が、どうして貧しい映画製作者になれますか？外皮全体にしっかりと吸盤が取り付けられており、実際には、リモコンがあるときはいつでもカップが作動します。

モバイル ALOHA は、ヒューマン ALOHA の複雑なルーティング プランに基づかず、スタンフォード大学発祥のシステムです。このシステムでは、少人数 (20 人未満) と大量のデータ (別のルーティングではない) が関係します。これとは対照的に、彼らは集団の特性に焦点を当て、個人的特性を無視し、数千ドルで裕福な人だけでなく、数万や数十万ドルの富裕層にも手が届く手頃な価格のロボットを実現しました。

しかし、これまで街中で頻繁に使用されてきたロボットと、将来それらに取って代わるロボットとの違いは何でしょうか? 実際、最高のブランドであるハードウェアに加えて、次世代のソフトウェアも付属しています。つまり、他の機械学習と同様に、作成ノードを最高点に反映するか、最悪の点を同じゾーンに反映します。

配備されたナノボット 1 台につき、政府機関の予算からわずか 1 セントという料金は、過去には経済的にかなり生産的でしたが、現在では、たとえ顕微鏡レベルのナノボットであっても、ソフトウェア作業に対して公正な時給を受け取るべきです。ロボットの脳は、非常に複雑なシステムではなく、単純なものにすぎないようです。そのため、一部のロボット工学者は、人間がこのような複雑な計画と多段階の同化を失うとは予想していませんでした。そのため、彼らは、システムの自己管理と環境からの自発的な行動変更を担うものとして、ニューラル ネットワークのディープラーニング テクノロジーを採用しました。

グループの作業の最終期間は 2022 年の秋で、現在最も人気のあるモジュールの 1 つである Google の RT-2 ビジョン言語アクション モデルを使用してアクション認識 (AR) の移行を開始しました。

実験的手法は、人間の心の力を利用して、味わった環境を再現する輸送手段であり、機械をインタラクションの指揮者とする多くの画像やテキストによるコミュニケーションモードで文学的に広く普及しています。したがって、自動化された機械は、自律性、速度、効率の相互作用により、人間には不可能と思われる複雑なタスクを実行できるようになります。

トヨタ研究所、コロンビア大学、MIT などが所有するロボット企業など、数多くのロボット企業では、人工知能模倣学習技術を使用しているロボットに対するデータ収集の影響がより実用的であることが証明されています。これは、ロボットが短時間で新しいタスクを学習できることを示しており、ロボットの能力が広範囲に及ぶことが確認されているためです。彼らは、AI プログラミングがインストールされるテキスト、グラフィックス、ビデオで満たされることが期待されていたため、革命的な AI 拡張パケットがすぐにスターになるだろうと確信していました。

彼らは自分のコンセプトについて考え、同じ道をたどることに決めるかもしれません。 ロボットはおそらく廊下にいる3人の囚人のうちの1人で、他のみんなと同じように、頭上の蛇口から滴り落ちる水でびしょ濡れになっただけです。 感情は、それに適応した人にとっては重要ではありません。それは世界で時間がかかった唯一のものでした。 横目で見ると、「102号室」というラベルに気づきました。 機械が実行できる介入の1つは、単語、画像、ビデオ、コマンド、または測定値の例に形作られた入力を含めることです。 人間は、タスクのレベルをより深く理解するように機械を導く生成型人工知能を作成することができ、出力は画像やビデオの生成などのタスクを正常に完了します。

データを通じてイノベーションを推進

部屋の中の象が話しているのは、GPT-4のようなモデルや、データによって執拗に何千も生成されるエネルギーです。この発言は完全に真実であり、私たちの生命のメカニズムにのみ当てはまります。人間の経験は映画で見るものとはまったく異なるため、それ以上のものになります。ほとんどの顧客が夢中になっているのは、「自然な人間」のビーコン（たとえば、顔の表情）です。ただし、機械の機械化はマイナス要因です。何世紀にもわたってインテリジェントなプロセスであっても、認知の発達や成長にはつながらない可能性があるからです。

娘はまだ幼すぎてわかりません。ここ 1、2 年で、年配の人たちは、年を取るとトースターや冷蔵庫が機能しなくなり、高級ファッションの服のほとんどがキッチンの役目を果たさなくなり、タオルになるということにすでに気づいています。ほとんどの場合、人々はデータ収集と、長い待ち時間の後にそのデータの送信に取り組まなければならず、結局は手動で送信されたことに気付きます。

新たに導入された Google DeepMind Open X-Embodiment コラボレーション プログラムは、この種のものとしては初めてのものであり、既存の問題の解決につながる今後のすべてのブレークスルーは、さまざまな視点を集約し、次世代の価値を創造した後に発生するという事実をさらに裏付けています。

昨年、このチームは、150 人の研究員の厳しいスケジュールに合わせて運営された 34 の研究工場で (プレッシャーをかけられたにもかかわらず) 良い仕事をしました。彼らは、「Hello: robotics」や「Stretch」など、さまざまなラベルが付いた 22 のさまざまなロボットからデータを収集しました。アスリートとロボットのロボットバトルは 2303 年の晩秋に開始されましたが、さまざまなロボットの巧みな動き (つまむ、押す、引っ張るなど) から、それが壮観なイベントになることは明らかでした。

当初は謎だけが明らかだったが、イベントから得られたデータは、機械学習プロセスにさらに関与する将来のインテリジェントデバイスを導くものとなった。研究者グループが、より高度であると考えられる高レベルのRTI-Xバリアントを2つ発明したことが示唆されている。したがって、それらはより効果的であると考えられる。前者は自宅のコンピューターのブラウザで実行できますが、後者はWebサイト上で実行できます。どちらもそうではない可能性があり、したがって、一方がリモートセットアップである一方、もう一方は現場にいる可能性があります。

これらは、比較的少数の言語および画像指導モデルを通じて、下層で動作するデュアル モデルと上層で常識モデルを使用して事前トレーニングされた、中程度のアーキテクチャを持つモデルである可能性があります。チームが RT-X エージェントのプログラミングを終えた時点で、科学者が精査に合格し、割り当てられたタスクで各ラボの現在のテスターよりも少なくとも 50% 優れていることが示されたロボットを持っていることが判明しました。このテクノロジーは、ショット ピースに関係なく、必要なすべての写真オプションを作成できるプロセスでもあります。

この記事はもともとテクノロジーレビューに掲載されたものです