ກ້ານໃບ ນັກຄົ້ນຄວ້າມີຈຸດປະສົງໃຫ້ Warehouse Robots perception Superhuman - Unite.AI
ເຊື່ອມຕໍ່ກັບພວກເຮົາ

ຫຸ່ນຍົນ

ນັກຄົ້ນຄວ້າມີຈຸດປະສົງໃຫ້ Warehouse Robots ຄວາມຮັບຮູ້ຂອງມະນຸດ

ຈັດພີມມາ

 on

ທີມງານຂອງນັກຄົ້ນຄວ້າຢູ່ສະຖາບັນເຕັກໂນໂລຢີ Massachusetts ແມ່ນ "ພະຍາຍາມໃຫ້ຄວາມຮັບຮູ້ຂອງມະນຸດຫຸ່ນຍົນ," ອີງຕາມອາຈານ Fadel Adib ຂອງ MIT. ໃນຂະນະທີ່ຫຸ່ນຍົນກ້າວໄປຂ້າງໜ້າໃນຂົງເຂດຕ່າງໆ ເຊັ່ນ: ການເບິ່ງເຫັນທຽມ, ການສຳຜັດ, ແລະກິ່ນຫອມ, ພວກມັນກໍເຂົ້າໃກ້ການຮັບຮູ້ທີ່ຄ້າຍຄືກັບມະນຸດຫຼາຍຂຶ້ນ.

ຫຸ່ນຍົນໃໝ່ທີ່ພັດທະນາໂດຍນັກວິໄຈ, ເອີ້ນວ່າ RF-Grasp, ອາໄສຄື້ນວິທະຍຸທີ່ສາມາດຜ່ານຝາ ແລະ ຮູ້ສຶກວ່າສິ່ງຂອງທີ່ຖືກປິດບັງ. ມັນເຮັດສິ່ງນີ້ໂດຍການສົມທົບການຮັບຮູ້ທີ່ມີປະສິດທິພາບກັບວິໄສທັດຄອມພິວເຕີແບບດັ້ງເດີມ, ເຮັດໃຫ້ສະຖານທີ່ແລະຈັບຂອງສິ່ງທີ່ປົກກະຕິຈະເບິ່ງບໍ່ເຫັນສໍາລັບຫຸ່ນຍົນ. 

ໄດ້ ການຄົ້ນຄວ້າ ຖືກກໍານົດທີ່ຈະນໍາສະເຫນີຢູ່ໃນກອງປະຊຸມສາກົນຂອງ IEEE ກ່ຽວກັບຫຸ່ນຍົນແລະອັດຕະໂນມັດໃນເດືອນພຶດສະພາ. ຜູ້ຂຽນນໍາຫນ້າຂອງເອກະສານແມ່ນ Tara Boroushaki, ຜູ້ຊ່ວຍການຄົ້ນຄວ້າໃນກຸ່ມ Signal Kinetics ຢູ່ MIT Media Lab. ຜູ້ຮ່ວມຂຽນເອກະສານລວມມີ Adib, ຜູ້ອໍານວຍການກຸ່ມ Signal Kinetics; Alberto Rodriguez, ຮອງສາດສະດາຈານພາກວິຊາວິສະວະກຳກົນຈັກ; Junshan Leng, ວິສະວະກອນຄົ້ນຄວ້າຂອງມະຫາວິທະຍາໄລ Harvard; ແລະ Ian Clester, ນັກສຶກສາປະລິນຍາເອກຢູ່ Georgia Tech. 

ຄັງສິນຄ້າ ແລະອີຄອມເມີຊ

ກໍລະນີການນໍາໃຊ້ທີ່ມີທ່າແຮງຫນຶ່ງຂອງເຕັກໂນໂລຢີໃຫມ່ນີ້ແມ່ນຢູ່ໃນອີຄອມເມີຊ, ບ່ອນທີ່ມັນສາມາດຊ່ວຍເຮັດໃຫ້ການເກັບຮັກສາສາງມີປະສິດທິພາບຫຼາຍຂຶ້ນ, ຫຼືມັນສາມາດຊອກຫາເຄື່ອງມືໃນຊຸດເຄື່ອງມື. ດ້ວຍການເພີ່ມຂຶ້ນຢ່າງຫຼວງຫຼາຍຂອງອີຄອມເມີຊ, ວຽກງານແມ່ນນັບມື້ນັບຮຸນແຮງຂຶ້ນສໍາລັບຄົນງານຂອງມະນຸດ, ເຊິ່ງຍັງສໍາເລັດເກືອບທັງຫມົດ. ຢ່າງໃດກໍ່ຕາມ, ບາງຄັ້ງນີ້ແມ່ນບັນຫາເນື່ອງຈາກເງື່ອນໄຂການເຮັດວຽກທີ່ເປັນອັນຕະລາຍ. 

Rodriguez ກ່າວວ່າ "ການຮັບຮູ້ແລະການເລືອກເອົາແມ່ນສອງເສັ້ນທາງໃນອຸດສາຫະກໍາໃນມື້ນີ້," Rodriguez ເວົ້າ. 

ຫຸ່ນຍົນອີງໃສ່ວິໄສທັດທາງ optical, ເຊິ່ງບໍ່ສາມາດຮັບຮູ້ສິ່ງທີ່ຖືກເຊື່ອງໄວ້ເນື່ອງຈາກຄື້ນແສງສະຫວ່າງທີ່ເບິ່ງເຫັນບໍ່ຜ່ານຝາ. ຢ່າງໃດກໍ່ຕາມ, ມັນບໍ່ແມ່ນກໍລະນີສໍາລັບຄື້ນວິທະຍຸ.

ການກໍານົດຄວາມຖີ່ວິທະຍຸ (RF) ໄດ້ຖືກນໍາໃຊ້ສໍາລັບການຕິດຕາມ, ແລະລະບົບການກໍານົດ RF ປະກອບດ້ວຍເຄື່ອງອ່ານແລະແທັກ. ແທໍກແມ່ນຊິບຄອມພິວເຕີຂະຫນາດນ້ອຍທີ່ຕິດຢູ່ສໍາລັບຈຸດປະສົງການຕິດຕາມ, ໃນຂະນະທີ່ຜູ້ອ່ານປ່ອຍສັນຍານ RF ທີ່ໄດ້ຮັບການ modulated ໂດຍ tag ແລະສະທ້ອນໃຫ້ເຫັນເຖິງຜູ້ອ່ານ. 

ສັນຍານທີ່ສະທ້ອນນີ້ແມ່ນຮັບຜິດຊອບໃນການສະຫນອງຂໍ້ມູນທີ່ສໍາຄັນກ່ຽວກັບລາຍການທີ່ຖືກ tag, ເຊັ່ນ: ສະຖານທີ່ແລະລະບຸ. ນີ້ມັກຈະຖືກນໍາໃຊ້ໃນຕ່ອງໂສ້ການສະຫນອງຂາຍຍ່ອຍ, ກັບປະເທດເຊັ່ນຍີ່ປຸ່ນວາງແຜນທີ່ຈະນໍາໃຊ້ການຕິດຕາມ RF ສໍາລັບການຊື້ຂາຍຍ່ອຍທັງຫມົດໃນທີ່ສຸດ. 

Rodriguez ກ່າວວ່າ "RF ແມ່ນຮູບແບບການຮັບຮູ້ທີ່ແຕກຕ່າງຈາກວິໄສທັດ. "ມັນຈະເປັນຄວາມຜິດພາດທີ່ບໍ່ໄດ້ຄົ້ນຫາສິ່ງທີ່ RF ສາມາດເຮັດໄດ້."

RF Grasp

RF Grasp ທີ່ຖືກພັດທະນາໃຫມ່ໃຊ້ກ້ອງຖ່າຍຮູບແລະເຄື່ອງອ່ານ RF ເພື່ອຊອກຫາແລະຈັບວັດຖຸທີ່ຖືກ tag, ແລະມັນສາມາດເຮັດໄດ້ເຖິງແມ່ນວ່າພວກມັນຈະຖືກສະກັດຈາກກ້ອງຖ່າຍຮູບຢ່າງເຕັມທີ່. ມີແຂນຫຸ່ນຍົນຕິດກັບມືຈັບ, ແລະຂໍ້ມືຖືກ້ອງຖ່າຍຮູບ. ເຄື່ອງອ່ານ RF ແມ່ນເອກະລາດຂອງຫຸ່ນຍົນ, ຖ່າຍທອດຂໍ້ມູນການຕິດຕາມໄປຫາລະບົບຄວບຄຸມ.

ໂດຍການລວມເອົາການລວບລວມຂໍ້ມູນການຕິດຕາມ RF ແລະຂໍ້ມູນຈາກຮູບພາບທີ່ອ້ອມຮອບຂອງຫຸ່ນຍົນ, ຂະບວນການຕັດສິນໃຈຂອງຫຸ່ນຍົນໄດ້ຮັບຄວາມສັບສົນຫຼາຍ.

ທ່ານ Boroshaki ກ່າວວ່າ "ຫຸ່ນຍົນຕ້ອງຕັດສິນໃຈໃນແຕ່ລະຈຸດໃນເວລານັ້ນ, ວ່າສາຍນ້ ຳ ເຫຼົ່ານີ້ ສຳ ຄັນກວ່າທີ່ຈະຄິດກ່ຽວກັບ,". “ມັນບໍ່ແມ່ນພຽງແຕ່ການປະສານງານດ້ວຍຕາ, ມັນເປັນການປະສານງານ RF-ຕາ-ມື. ດັ່ງນັ້ນ, ບັນຫາໄດ້ຮັບຄວາມສັບສົນຫຼາຍ."

"ມັນເລີ່ມຕົ້ນໂດຍການນໍາໃຊ້ RF ເພື່ອສຸມໃສ່ຄວາມສົນໃຈຂອງວິໄສທັດ," Adib ເວົ້າ. "ຫຼັງຈາກນັ້ນ, ທ່ານໃຊ້ວິໄສທັດເພື່ອນໍາທາງການ maneuvers ທີ່ດີ."

ດ້ວຍຂະບວນການນີ້, RF Grasp ສາມາດແນເປົ້າໃສ່ວັດຖຸໃດໜຶ່ງ, ແລະມັນສາມາດໝູນໃຊ້ລາຍການ ແລະວິໄສທັດໄດ້, ເຊິ່ງສົ່ງຜົນໃຫ້ລະອຽດກວ່າ RF. 

ໃນຊຸດຂອງການທົດສອບ, RF Grasp ປະສົບຜົນສໍາເລັດໃນການຊີ້ແລະຈັບວັດຖຸເປົ້າຫມາຍທີ່ມີການເຄື່ອນໄຫວທັງຫມົດປະມານເຄິ່ງຫນຶ່ງເທົ່າ. ມັນຍັງສາມາດ 'ແຍກ' ສະພາບແວດລ້ອມ, ເຊິ່ງເປັນເອກະລັກຫຼາຍ, ໂດຍການເອົາວັດສະດຸຫຸ້ມຫໍ່ແລະອຸປະສັກຕ່າງໆເພື່ອເຂົ້າຫາເປົ້າຫມາຍ. 

Rodriguez ກ່າວວ່າ "ມັນມີຄໍາແນະນໍານີ້ທີ່ລະບົບອື່ນໆພຽງແຕ່ບໍ່ມີ," Rodriguez ເວົ້າ.

RF Grasp ໃນທີ່ສຸດສາມາດມີບົດບາດອັນໃຫຍ່ຫຼວງໃນຄັງສິນຄ້າອີຄອມເມີຊ, ເຮັດສິ່ງຕ່າງໆເຊັ່ນການຢືນຢັນຕົວຕົນຂອງລາຍການທັນທີ.

"RF ມີທ່າແຮງທີ່ຈະປັບປຸງບາງຂໍ້ຈໍາກັດໃນອຸດສາຫະກໍາ, ໂດຍສະເພາະແມ່ນການຮັບຮູ້ແລະການທ້ອງຖິ່ນ," Rodriguez ສືບຕໍ່. 

ສໍາລັບຄໍາຮ້ອງສະຫມັກບ້ານ, Adib ເວົ້າວ່າ "ຫຼືທ່ານສາມາດຈິນຕະນາການຫຸ່ນຍົນຊອກຫາລາຍການທີ່ສູນເສຍ. ມັນຄືກັບຫ້ອງຊຸບເປີ-Roomba ທີ່ໄປເອົາກະແຈຂອງຂ້ອຍ, ບ່ອນໃດກໍ່ຕາມທີ່ຂ້ອຍເອົາໄປໃສ່."

 

 

 

Alex McFarland ເປັນນັກຂ່າວ AI ແລະນັກຂຽນທີ່ຄົ້ນຫາການພັດທະນາຫລ້າສຸດໃນປັນຍາປະດິດ. ລາວໄດ້ຮ່ວມມືກັບ AI startups ແລະສິ່ງພິມຕ່າງໆໃນທົ່ວໂລກ.