グーグルの親会社アルファベットは、オフィスで毎日のタスクを実行するためにロボットを持って来ようとしています。ロボットはX-Alphabetのムーンショットファクトリーチームによって構築されました。
チームXは、次世代の問題に対する解決策に重点を置いています。2010年の創業以来、ムーンショット工場から出てくる重要なプロジェクトのいくつかは、世界の遠隔地にインターネットを提供する巨大な風船であるGoogle Glass、凧を使用した持続可能な風力エネルギー、自律輸送のためのWaymoです。
現在、チームXは、アルファベットの子会社である毎日のロボット技術を使用して、机の拭き取り、ゴミの仕分け、ドアの開閉、役員室での椅子の配置に至るまで、オフィスタスクを学ぶロボットを構築しています。
この能力は、オフィス環境で移動するロボットが、単純な人間のタスクを実行するだけでなく、人間と共存する道を開きます。
「ゴミを選別する同じロボットに、テーブルを掃除し、カップを保持するのと同じハンドルを使用してガラスクリーニングツールを装備できるようになりました」と、最高ロボット責任者ハンス・ピーター・ブランドモはPC Magに語りました。
このアプローチでチームXが思い描いるように、ロボットを現実の環境に持ち込み、ロボットがどのように変化に対処するかを学びます。
「(ロボットができれば)コーヒーを飲んだり、照明を予想したり、ドアを開けたりするあらゆる方法をスクリプト化しようとするのを想像してみてください。「それはスケールするつもりはありません」と、ブレンドモが言いました。
これを行うために、チームは機械学習アルゴリズムに依存しており、試行錯誤シミュレーションを通じて目的の目標を達成するためのロボットのトレーニングを行うことができます。
日常のロボットのマシンは、実際に現実の世界で練習する前に、3Dシミュレーションでテーブルを拭く練習をします。ブルンドモによると、このアプローチはロボットの訓練にかかる時間を大幅に短縮する可能性があるという。
「2016年、シミュレーションを使用せず、産業用ロボットの小さな実験室構成を使用して、おもちゃ、鍵、日用品などの小さな物体を保持する方法を学ぶと、1台のロボットが75%の成功率で簡単なグリップを行う方法を学ぶのに4ヶ月相当かかりました」とBrøndmo氏は述べています。
時間が経つにつれて、チームXは90%の精度でこれを1日に減らす改善を行いました。さまざまな種類のアクティビティでロボットが成功するのは、アクティビティ間で適用される一般的なアルゴリズムによるもので、再コーディングは必要ありません。
ロボットは当初、マウンテンビューにあるアルファベットの本社に来ます。その後、ロボットをより良く訓練するために、チームは現在、サンフランシスコベイエリアにあるGoogleのオフィス全体で使用を拡大する予定です。
The English, Chinese, Japanese, Arabic, and French versions are automatically generated by the AI. So there may still be inaccuracies in translating, please always see Indonesian as our main language. (system supported by DigitalSiber.id)
