Google mette in mostra l'intelligenza artificiale

Google ha presentato la sua sperimentazione biennale di robot guidati dall’intelligenza artificiale che selezionano materiali riciclabili e rifiuti con un alto grado di efficienza, forse preannunciando la forma delle cose a venire.

Attraverso l'applicazione di RL, i robot mobili, dotati di sistemi di visione e di un braccio, sono stati in grado di affrontare compiti del mondo reale negli ambienti di lavoro, con una combinazione di dati offline e online che consente loro di adattarsi all'ampia variabilità delle situazioni del mondo reale .

Lo studio ha programmato i robot – forniti da Everyday Robots, una parte della società madre di Google Alphabet – per vagare e cercare “situazioni di rifiuti” – contenitori per materiali riciclabili, compost e rifiuti. Successivamente è stato loro assegnato il compito di smistare gli oggetti tra i contenitori in modo che tutti i materiali riciclabili (lattine, bottiglie) fossero collocati nel contenitore riciclabile, gli articoli compostabili (contenitori di cartone, bicchieri di carta) fossero collocati nel contenitore del compost e tutto il resto fosse collocato nel contenitore del compost. il contenitore dei rifiuti residui.

I robot sono stati dotati di un insieme di competenze di base: il processo attraverso il quale un computer viene caricato con un programma utilizzando un programma iniziale molto più piccolo. Le competenze includevano quattro serie di esperienze:

Discutendo la motivazione dello studio, il gruppo di ricerca ha affermato che poiché il mondo reale è complesso, diversificato e cambia nel tempo, i robot abilitati per RL faticano ad adattarsi e quindi non sono ancora comunemente utilizzati negli ambienti quotidiani.

Le "aule robot" forniscono gran parte dell'esperienza dei robot. Il team ha affermato che, sebbene gli edifici adibiti a uffici nel mondo reale possano fornire l’esperienza più rappresentativa, la produttività in termini di raccolta dei dati è limitata: alcuni giorni ci sarà molta spazzatura da smistare, e altri giorni non così tanti.

Alla fine dei due anni, il team ha raccolto 540.000 prove nelle aule e 32.500 prove durante la distribuzione. È stato riscontrato che le prestazioni complessive del sistema miglioravano man mano che venivano raccolti più dati. Il sistema finale è stato valutato nelle aule per confronti controllati con scenari basati su ciò che i robot hanno visto durante l'implementazione.

Oltre alla precisione dell’84% del sistema finale, i test sul campo hanno dimostrato che il sistema potrebbe ridurre la contaminazione tra il 40 e il 50% in peso. Ciò è stato determinato sulla base delle statistiche di tre implementazioni nel mondo reale tra il 2021 e il 2022.

Il team rileva che le politiche RL finali non hanno successo ogni volta e saranno necessari modelli più grandi e potenti per migliorare le prestazioni ed estenderle a una gamma più ampia di attività. Altre fonti di esperienza, tra cui altre attività, altri robot e persino video online, possono servire a integrare ulteriormente l'esperienza di bootstrap.