Intervjuer
Sajid Sadi, visepresident for forskning, leder for Think Tank Team, Samsung – Intervju-serie
Legg til Unite.AI blant dine foretrukne kilder på Google
Vi hadde nylig gleden av å snakke med Sajid Sadi, visepresident for forskning og leder for Samsungs Think Tank Team, om noen av prosjektene teamet har jobbet med. Sajid og Samsungs Think Tank Team av eksperter (forskere, vitenskapsmenn, designere og ingeniører) arbeider sammen for å oppfinne virkelige fremtidige produkter og teknologier som fokuserer på brukeropplevelse. Think Tank Team gjør i dagens ideer til morgendagens realitet.
PROSJEKT: BALLIE
Prosjekt Ballie er en personlig hjemmerobotkamerat som kan interagere med kjæledyr og digitale enheter. Hva var tanken bak formen på roboten som en ball i stedet for en mer tradisjonell robotassistent?
Når vi startet å tenke på hjemmeroboter, tenkte vi ikke bare på enheten, men også på hvordan en robot vil interagere med et menneske. Hittil har de fleste roboter i hjemmet falt inn i en av tre kategorier: de ignorerer mennesker fysisk (som robotstøvsugere), de kan se mennesker, men beveger seg ikke romlig (for eksempel sosiale roboter), eller de er effektivt leker. Vi ville bygge en robot som kommer til deg og interagerer med deg både romlig og informasjonsmessig. Den er ment å være like mye venn som mobil sensor. Som du kan forestille deg, kan det være litt intimiderende, og derfor designet vi Ballie til å være minimal, vennlig og liten, så brukerne ikke blir alarmert av robotens autonomi. Det er akkurat den riktige gerbil-størrelsen som føles som et kjæledyr, både på bakken og i hånden.
Hva slags sensorer og maskinlæring brukes i Ballie-roboten?
Ballie er fortsatt et pre-produksjonsprototyper, så vi er ikke helt klare til å snakke om spesifikke sensorer. Som du kunne se fra demoen, er det meningen å ha en retningssøkende mikrofonarray, kamera og noen ekstra interne sensorer for å hjelpe med bevegelseskontroll og navigasjon. Ut over det er vi fortsatt i gang med å vurdere hva som kan være nødvendig. I forhold til maskinlæring, er Ballie basert på på-enheten maskinlæring for å håndtere bevegelseskontroll og navigasjon. Som president HS Kim nevnte, er vi i Samsung fullstendig kommet til å sikre sikkerheten og privatlivet til dine data, og vi tror at den betydelige erfaringen vi har i på-enheten dyp læring og maskinlæring, vil tillate oss å håndtere Ballies kjernefunksjoner på en selvinnholdende måte. Etter all, er de mest sikre dataene de som aldri forlater enheten!
PROSJEKT: BOT CHEF
Kjøkkener er ofte klussede og varierer i dimensjoner, hva slags utfordring er dette for Samsung Bot Chef?
Samsung Bot Chef er fortsatt tidlig i sin reise mot produkt, men det er noe vi tenker mye på. Vi vil at Bot Chef skal fungere i normale kjøkkener, og vi gjør mye arbeid for å tillate det å håndtere uorden og klussede situasjoner. For det første, bruker Bot Chef sine persepsjonssystemer i kombinasjon med bevegelseskontroll for å sikre trygg manøvrering. I tillegg er det også klar over når det ikke kan gjøre noe trygt, eller når det ikke kan være sikker på hva det har funnet. Fordi det er ment å være samarbeidende med den menneskelige operatøren, vet det i slike tilfeller å be om hjelp for å sikre at ingenting går galt. Og til slutt, tar vi skritt for å gjøre den mekaniske designen i stand til å håndtere utfordrende bevegelsesscenarier. En del av dette er den spesialdesignede griperen, som kan bære store laster i vanskelige vinkler. Dette kan tillate roboten å plukke opp et uheldig plassert objekt og deretter plassere det et annet sted for å få en bedre grep, akkurat som vi gjør som mennesker når vi plukker en flaske ut av en overfyldt skap. Det er definitivt ikke en enkel utfordring å overvinne, og vi forventer at vi kommer til å trenge menneskelig hjelp i en periode, men vi tror også at det er mange tilfeller hvor Bot Chef kan hjelpe på en meningsfull og tidssparende måte, og vi utvider alltid horisontene av disse evnene.
Er Samsung Bot Chef i stand til å bruke maskinlæring til å lokalisere objekter i kjøkkenet, eller må en bruker instruere Bot Chef om plasseringen av ulike ingredienser og kjøkkenutstyr?
Samsung Bot Chef bruker en kombinasjon av maskinvisjon og maskinlæringsteknikker for å lokalisere og beregne grep for fysiske objekter rundt i kjøkkenet. Selvfølgelig er det ikke å si at det vet alt fra første øyekast, akkurat som du kanskje ikke vet cayenne fra paprika i et nytt kjøkken. Et område vi jobber med er hvordan roboten kan si når den er usikker. I slike tilfeller kan vi be en menneskelig operatør å klargjøre eller hjelpe til. Liksom, er det noen verktøy som er spesielt vanskelige å plukke ut, og i slike tilfeller kan vi ha et spesifikt verktøyholder for å hjelpe med oppgaven. Men målet er å til slutt vite hvordan man kan bruke alt i kjøkkenet på en naturlig måte.
PROSJEKT: GRØNT
Et av prosjektene jeg er mest spennende er Prosjekt Grønt, som gjør det mulig for en bruker å dyrke grønnsaker i kjøkkenet i en klimakontrollert mini-drivhus. Kan du diskutere hvordan dette vil redusere karbonavtrykket av frakt av grønnsaker, svinn, osv.?
Prosjekt Grønt er en teknologidemonstrator for å vise hvordan vi kan bringe hage innendørs, spesielt i de fleste deler av planeten hvor det ikke er plass eller klima som støtter slike aktiviteter. På den fronten, kanskje det mest vanskelige logistiske problemet i matforsyningskjeden er bladgrønnsaker — de er ømfintlige, følsomme for plukkingstid og vokseforhold, kortvarige på hyllen, og arbeidskrevende å plante og høste. Fordi de ikke kan pakkes tett, er de også de minst effektive å flytte rundt. Etter all, er energibruken av noen form for transport relativt mindre påvirket av vekt enn av den grundleggende kostnaden av miles reist. Å frakte nesten-tomme skaller av salat eller persille (som, for øvrig, er en dårlig miljøhazard i seg selv) er langt mindre effektivt enn å frakte samme lastebil full av vannmeloner. Og i forhold til matavfall, hvor ofte har noen av oss kjøpt en hode salat, bare for å se den bli lilla med alder? Hvor ofte har vi kastet ut de ytre bladene fordi de er myke og svært? Grønt var designet for å takle akkurat slike produkter ved å tillate rask, pålitelig vekst hjemme. Ved å kombinere nedbrytbare nærings- og frøpoder med fogponisk vekstteknologi og perfekt kontroll av veksttemperatur, lys og fuktighet, vokser Grønt perfekte grønnsaker uten noen behov for en grønn tommel. I tillegg tillater de interne overvåkningssystemene deg å vite på forhånd når du kan forvente å nyte produktet og kontrollerer forholdene for å sikre at den levende planten holdes i topp spiselig tilstand så lenge som mulig.
Jeg ser at Prosjekt Grønt også gir oppskrifter til brukerne basert på hva som er klart til bruk i drivhuset og elementene i kjøleskapet. Kan du diskutere teknologien bak kjøleskapet som identifiserer tilgjengelige ingredienser?
Prosjekt Grønt er designet for å fungere med våre Family Hub og AI-teknologier som Whisk (et Samsung Next-selskap) for å hjelpe med å identifisere oppskrifter for elementer allerede i kjøleskapet, og i samsvar med dine preferanser. Som vi demonstrerte på CES 2020, har Family Hub’s ViewInside-kameraer blitt oppgradert med ny AI-bildegjenkjenningsteknologi, som automatisk skanner produktene inne i kjøleskapet, identifiserer dem og sender deg oppdateringer om elementer din familie har lagt til eller tømt. Family Hub’s Meal Planner er også smartere, med Quick Plan-funksjonen som nå tilbyr en ukes verdi av anbefalte oppskrifter med bare ett klikk. Whisk-teknologien kan hjelpe deg å planlegge en hel måltid — eller selv en ukes verdi av måltider — ved å justere oppskrifter basert på antallet gjester du forventer og bygge en smart handleliste som konsoliderer ingredienser fra flere oppskrifter, og selvfølgelig integrerer Grønt med den kapasiteten for å sammenfalle ditt produkt perfekt over en hel måltid eller sett med måltider.
PROSJEKT: SPOT
Prosjekt Spot er et kommersielt produkt som benytter en sensor for å spore brukerens handlinger og generere en tilhørende respons, og gjør en interaktiv brukeropplevelse mulig. Kan du fortelle oss hva slags forretninger kan dra nytte av denne typen teknologi?
Ofte ønsker produsenter å gi dypere informasjon om hver enkelt vare de selger. Imidlertid tillater det fysiske rommet i butikkene bare én skjerm for mange varer. Spot overvinner dette problemet ved å gjøre hele rommet foran skjermen sanselig, så du får informasjon om varene du interagerer med. Som en bieffekt, gir Spot også innsikt i ett av de mest vanskelige problemene i fysisk butikk: plassallokering. Mens vi vet at noen områder i butikken tiltrekker mer oppmerksomhet (for eksempel, endekapp), er det ofte vanskelig å vite hva som vil fange folks øyne. Nå kan vi direkte detektere og spore hva som interageres med, og hvor mye. Dette tillater ledere å allokere og håndtere plass mer intelligent enn noen gang tidligere. Et annet område hvor det har kommet i bruk er i kafeer og mindre matbutikker, hvor en person kan finne ut detaljer om måltidene og utforske menyen i detalj, mens de ser en eksempel på den virkelige varen rett foran dem. Siden Spot støtter luftgest, trenger brukeren bare å peke på noe for å se detaljene eller plassere en ordre. Spot er en fullstendig åpen plattform, og brukerne overrasker oss stadig med de bruksområdene de finner for teknologien.
Prosjekt Spot samler inn data om brukeratferd, kan du fortelle oss hva slags data som samles inn og hvordan dette fordeler seg mellom brukeren og det kommersielle foretaket?
En av de priviligerte fordelene med Spot er at den ikke ser på brukeren, bare på overflaten hvor målobjektene er plassert. Som resultat, får vi bare aggregert og intrinsisk anonym data. Som nevnt ovenfor, gir dette kommersielle enheter mye bedre innsikt i brukernes interesser, og det hjelper selskaper som Samsung å lage mer av det du elsker. Samtidig tillater dette at plassbegrensede butikkledere kan plassere mer av varene du elsker fremme, og også dele mye mer informasjon om disse varene enn det ville være mulig på den tradisjonelle (og minuscule) produktplakaten. Dette tillater brukerne å ta mer informerte og interaktive beslutninger enn det ville være mulig uten Spot.
PROSJEKT: BEYOND
Prosjekt Beyond er verdens første 3D-omvisningskamera, som vil muliggjøre generering av Virtual Reality-innhold. Kan du diskutere hvordan brukerne vil kunne overføre det genererte innholdet til Gear VR, og om brukere av andre VR-plattformer vil kunne interagere med eller se på dette innholdet?
Mens vi produserer både Gear VR og Odyssey Windows MR-enheter, var målet med Prosjekt Beyond (og det påfølgende produktet, Samsung 360 Round) å åpne opp skaping av sanntids 3D 360-innhold for alle VR-plattformer. Innholdet produsert er fullstendig kompatibelt med alle plattformer, inkludert Samsung XR, YouTube og alt annet som kan akseptere vanlig formatering av 3D eller 2D 360-videoer. I tillegg støtter Samsung XR rike redigeringsfunksjoner som kan brukes til å legge til interaktive funksjoner og overganger for å bringe fullstendige VR-erfaringer basert på sanntidsfangst til live.
Er det noe annet du ønsker å dele om Samsungs Think Tank Team?
Think Tank Team i Samsung Research har vært i forkant av å skape nye teknologiløsninger som bringer unike perspektiver til Samsungs fremstøt i nye forretningsområder. Vi samler mennesker fra vitenskap, design, ingeniørvitenskap, strategi og mer for å vurdere problemer holistisk, og arbeider for å utvikle de mest fremtredende og elegante løsningene på vanskelige bruker- og teknologiske utfordringer. I en nøttshell, drømmer vi om fremtiden, og deretter oppdager og bygger veien til den virkeligheten.
Du kan lære mer om Samsungs Think Tank Team ved å besøke deres nettsted.
