Naukowcy z MIT osi\u0105gn\u0119li intryguj\u0105cy prze\u0142om dla wszystkich, kt\u00f3rzy kiedykolwiek zgubili narz\u0119dzie lub element podczas pracowitego dnia. Stworzyli system pami\u0119ci dla robot\u00f3w, kt\u00f3ry przypomina zdolno\u015b\u0107 pracownika fabryki do zapami\u0119tania, gdzie zostawi\u0142 przedmiot nie na swoim miejscu. W przeciwie\u0144stwie do ludzi roboty od dawna borykaj\u0105 si\u0119 z tego rodzaju pami\u0119ci\u0105 \u201cprzestrzenno-czasow\u0105\u201d \u2013 w\u0142a\u015bnie t\u0119 luk\u0119 zesp\u00f3\u0142 badawczy postanowi\u0142 wype\u0142ni\u0107. Obecnie uda\u0142o im si\u0119 opracowa\u0107 struktur\u0119 pami\u0119ci d\u0142ugotrwa\u0142ej, kt\u00f3ra pozwala robotom szybko i skutecznie tworzy\u0107 oraz przywo\u0142ywa\u0107 szczeg\u00f3\u0142owy model mentalny z\u0142o\u017conych, rozleg\u0142ych \u015brodowisk.<\/p>\n
Wyobra\u017a sobie, \u017ce mo\u017cesz zleca\u0107 zadania robotycznemu asystentowi, po prostu wypowiadaj\u0105c takie zdania jak: \u201cId\u017a i przynie\u015b element, kt\u00f3ry zacz\u0119li\u015bmy montowa\u0107 wczoraj wieczorem\u201d. Ten niegdy\u015b futurystyczny scenariusz staje si\u0119 coraz bardziej naturaln\u0105 cz\u0119\u015bci\u0105 naszego \u017cycia zawodowego. Aby to umo\u017cliwi\u0107, zesp\u00f3\u0142 po\u0142\u0105czy\u0142 zaawansowane reprezentacje map z bogatymi opisami otoczenia. W miar\u0119 przemieszczania si\u0119 robot gromadzi i przechowuje te informacje. Nast\u0119pnie mo\u017ce z \u0142atwo\u015bci\u0105 korzysta\u0107 z tej pami\u0119ci, aby odpowiada\u0107 na z\u0142o\u017cone pytania dotycz\u0105ce otoczenia, u\u017cywaj\u0105c j\u0119zyka potocznego.<\/p>\n
Zalety takiego systemu s\u0105 liczne \u2013 od zwi\u0119kszonej dok\u0142adno\u015bci po szybkie wykorzystanie w czasie rzeczywistym. Jest to prze\u0142omowe rozwi\u0105zanie nie tylko dla robotyki, ale otwiera r\u00f3wnie\u017c nowe mo\u017cliwo\u015bci w innych dziedzinach, takich jak systemy rzeczywisto\u015bci rozszerzonej s\u0142u\u017c\u0105ce do wykrywania anomalii przez pracownik\u00f3w utrzymania ruchu lub pomagaj\u0105ce osobom doje\u017cd\u017caj\u0105cym do pracy w orientacji w terenie. Profesor nadzwyczajny z MIT, Luca Carlone, wyja\u015bnia: \u201cJe\u015bli chcemy, aby roboty pracowa\u0142y rami\u0119 w rami\u0119 z lud\u017ami i lepiej z nimi wsp\u00f3\u0142pracowa\u0142y, musz\u0105 m\u00f3wi\u0107 tym samym j\u0119zykiem\u201d.<\/p>\n
Ta platforma pami\u0119ciowa, \u0142\u0105cz\u0105ca wizj\u0119 komputerow\u0105 z robotycznym mapowaniem, stanowi prawdziwy prze\u0142om. Naukowcy opracowali unikalne podej\u015bcie o nazwie \u201eDescribe Anything, Anywhere, Anytime, at Any Moment\u201d (DAAAM). Dzi\u0119ki DAAAM robot, przemierzaj\u0105c otoczenie, przypisuje konkretne opisy napotkanym obiektom. Na przyk\u0142ad, je\u015bli robot znajduje si\u0119 na kampusie MIT, mo\u017ce zidentyfikowa\u0107 dany budynek jako Stata Center, podaj\u0105c szczeg\u00f3\u0142owe informacje na temat jego stylu architektonicznego. Nast\u0119pnie efektywnie przechowuje te dane, aby p\u00f3\u017aniej m\u00f3c je szybko i dok\u0142adnie odtworzy\u0107.<\/p>\n
W przysz\u0142o\u015bci planowane jest udoskonalenie struktury DAAAM w celu uwzgl\u0119dnienia istotnych zdarze\u0144 \u015brodowiskowych oraz w\u0142\u0105czenia poziomu pewno\u015bci systemu do jego reakcji. Gorlo, pracownik naukowy, stwierdza: \u201cOstatecznie chcemy mie\u0107 roboty, kt\u00f3re b\u0119d\u0105 w stanie pom\u00f3c w wykonywaniu wszelkiego rodzaju zada\u0144. Dzi\u0119ki tym ramom staramy si\u0119 stworzy\u0107 podstawy umo\u017cliwiaj\u0105ce powstanie agenta o wszechstronnych kompetencjach, kt\u00f3ry b\u0119dzie w stanie wykona\u0107 ka\u017cde powierzone mu zadanie\u201d. Aby uzyska\u0107 bardziej szczeg\u00f3\u0142owe informacje, zapoznaj si\u0119 z oryginalne wiadomo\u015bci tutaj<\/a>.<\/p>\n