ربات‌ها هنوز به کارخانه نرفته‌اند، داده‌ها باید ابتدا به خط تولید وارد شوند

خبرگزاری بی‌جین:

آموختن به ربات‌ها برای "برداشتن لیوان" به نظر یک دستور ساده می‌آید، اما در عمل یک رشته کارهای دشوار است.

ابتدا باید یک انسان با دستگاه جمع‌آوری داده‌ها این کار را انجام دهد. دوربین‌ها از زاویه اول شخص فیلم‌برداری می‌کنند و دستگاه مسیر دست، موقعیت و حالت گیره را ثبت می‌کند. پس از بازگشت ویدیو، باید اعوجاج چشم‌ماهی اصلاح شود، وضعیت و موقعیت بازیابی شود و مراحل "دست دراز کردن---نزدیک شدن---گرفتن---بلند کردن" به چند بخش تقسیم شود و به هر بخش برچسبی داده شود که ربات بتواند از آن استفاده کند. اگر در هر مرحله اشتباهی رخ دهد، این نمایش ممکن است بی‌فایده باشد.

مدل‌های زبانی بزرگ حداقل یک اینترنت آماده برای استفاده دارند. اما ربات‌ها این‌گونه نیستند. چطور در را باز کنند، حوله را چگونه تا کنند، از کجا بسته نرم را بگیرند، هر حرکت باید ابتدا در دنیای فیزیکی انجام شود.

شرکت چن‌چو اخیراً با علی‌بابا یک خط تولید پردازش داده‌های رباتیک در ابر راه‌اندازی کرده است و می‌خواهد مراحل جمع‌آوری، کالیبراسیون، بازسازی، تقسیم، برچسب‌گذاری و آموزش را به هم متصل کند. این خبر شاید به اندازه ربات‌ها جالب نباشد، اما به گلوگاه این تجارت نزدیک‌تر است.

یک یا دو محقق می‌توانند چندین دقیقه ویدیو را با استفاده از اسکریپت‌ها و پوشه‌ها پردازش کنند. اما وقتی داده‌ها به چند صد ساعت می‌رسند، مشکلات آغاز می‌شود: آیا باید پس از یک شکست در یک وظیفه، کل داده‌ها را دوباره محاسبه کرد؟ چند بار یک فایل تغییر کرده است؟ کدام نسخه از داده‌ها به کدام مدل داده شده است؟ اگر نتایج آموزش خوب نباشد، آیا می‌توان به نوع خاصی از حرکات جمع‌آوری بازگشت؟

این مسائل به نظر می‌رسد که بخشی از کار روزمره بخش IT یک شرکت باشد، اما شرکت‌های هوش بدنی نمی‌توانند از آن فرار کنند. داده‌های ربات‌ها از دنیای واقعی می‌آیند و اگر اشتباهی در جمع‌آوری داده‌ها رخ دهد، نمی‌توان با یک کلیک دوباره آن را تازه کرد؛ همچنین این داده‌ها به سخت‌افزار بسیار وابسته هستند. اگر یک بازوی مکانیکی، یک مجموعه دوربین یا حتی یک گیره عوض شود، حرکات قبلاً روان ممکن است از کار بیفتند.

خط تولید ابری می‌تواند یک سری وظایف پراکنده را به یک فرآیند با وضعیت تبدیل کند. وقتی به GPU نیاز باشد، منابع را فعال می‌کند و پس از پایان پردازش، آن‌ها را آزاد می‌کند؛ اگر یک مرحله شکست بخورد، از نقطه شکست ادامه می‌دهد؛ داده‌ها، پارامترهای سخت‌افزاری و نسخه‌های پردازش در یک رکورد باقی می‌مانند. این سیستم نمی‌تواند داده‌های بد را خوب کند، اما می‌تواند به مهندسان بگوید که مشکل کجاست.

به عنوان مثال، اگر یک دسته ویدیو با پارامترهای اشتباه کالیبره شده باشد، بازیابی وضعیت و تقسیم حرکات بعدی آلوده خواهد شد. روش‌های سنتی ممکن است تا زمانی که آموزش مدل شکست بخورد، صبر کنند تا مشکل را بررسی کنند؛ اما با وجود یک خط تولید کامل، سیستم حداقل می‌تواند مشخص کند که کدام دستگاه، کدام جمع‌آوری و کدام نسخه از پارامترها مشکل داشته است و فقط بخش‌های تحت تأثیر را دوباره اجرا کند. برای تیم‌هایی که هر روز داده‌های زیادی اضافه می‌کنند، این قابلیت ردیابی از چند دقیقه سریع‌تر مهم‌تر است.

داده‌ها همچنین به یک مجموعه "کنترل کیفیت" نیاز دارند. نمایش‌های انسانی به طور طبیعی درست نیستند: حرکات ممکن است مردد باشند، مراحل کلیدی ممکن است توسط بدن پنهان شوند و توصیف‌های کلامی یک وظیفه نیز ممکن است ناهماهنگ باشند. برچسب‌گذاری خودکار می‌تواند سرعت را افزایش دهد، اما ممکن است خطاها را به طور منظم در مقیاس بزرگ کپی کند. روش واقع‌بینانه‌تر این است که ماشین ابتدا بیشتر نمونه‌های معمولی را پردازش کند و سپس موارد با اعتماد پایین، مسیرهای غیرعادی و موارد شکست را به انسان برای بازبینی بسپارد.

نتایج کنترل کیفیت همچنین باید به جمع‌آوری داده‌ها راهنمایی کند. اگر در یک نوع نور همیشه نمی‌توان دید، باید آن نوع نور دوباره فیلم‌برداری شود؛ اگر یک زاویه خاص برای گرفتن مکرراً شکست بخورد، باید اپراتور به طور خاص آن را پوشش دهد. جمع‌آوری دیگر به طور تصادفی زمان را انباشته نمی‌کند، بلکه به نقاط ضعف مدل می‌پردازد.

صنعت رباتیک در دو سال گذشته به گزارش "چند ساعت داده واقعی" علاقه‌مند شده است. این عدد به تدریج شبیه پارامترهای مدل در سال‌های اولیه خواهد شد: بزرگ، اما لزوماً به معنای حل مشکل نیست.

ده هزار ساعت جابجایی جعبه، لزوماً از یکصد ساعت پوشش دقیق مرزهای شکست مفیدتر نیست. نمایش موفق‌ترین به زودی قابل یادگیری است، اما مشکل این است که وقتی لیوان سر می‌خورد، کیسه خالی می‌شود و نور تغییر می‌کند، چه باید کرد. تنها زمانی که می‌توان شکست‌های صحنه را به سیستم آموزش بازگرداند و استراتژی‌های جدید را به ربات ارسال کرد، داده‌ها شروع به تشکیل حلقه بسته می‌کنند.

این حلقه بسته ممکن است به سخت‌ترین چیز برای شرکت‌های هوش بدنی تبدیل شود که قابل کپی نیست. ویدیوهای نمایشی قابل یادگیری هستند، بازوهای مکانیکی قابل خرید هستند و مدل‌های پایه حتی می‌توانند متن‌باز باشند. اما انباشت‌های غیرعادی، سوابق کالیبراسیون، نمونه‌های شکست و تجربیات استقرار که در صحنه جمع‌آوری می‌شوند، به طور خودکار با یک مقاله منتشر نمی‌شوند.

ابزارهای عمومی چن‌چو از جمع‌آوری داده‌ها تا آموزش و استقرار مدل‌ها را پوشش می‌دهند و نشان می‌دهند که آن‌ها فقط بر روی یک "مغز عمومی ربات" شرط نمی‌بندند. آن‌ها همچنین می‌خواهند بیل بفروشند: تا ربات‌های دیگر نیز در این مجموعه ابزار داده جمع‌آوری کنند، مدل‌ها را آموزش دهند و استقرار انجام دهند.

این تجارت "فروش بیل" می‌تواند موفق باشد یا نه، بستگی به این دارد که آیا مشتریان مایلند داده‌های اصلی خود را به یک پلتفرم واحد بسپارند. شرکت‌های بزرگ ممکن است به ساخت خود ادامه دهند، نگران افشای فرآیند تولید و جریان کار باشند؛ در حالی که شرکت‌های رباتیک کوچک‌تر به سختی می‌توانند به تنهایی یک تیم مهندسی داده‌ها را تأمین کنند. پلتفرم باید بین کارایی و کنترل انتخابی ارائه دهد، مانند استقرار خصوصی، جداسازی مجوزها و مرزهای مشخصی که داده‌ها فقط برای مدل‌های مشخص استفاده می‌شوند.

ریسک‌ها نیز واقعی هستند. ارسال ویدیو و داده‌های حسگر به ابر ممکن است با حریم خصوصی کارخانه و امنیت داده‌ها مواجه شود؛ بازسازی در مقیاس بزرگ قدرت محاسباتی زیادی مصرف می‌کند؛ و اینکه چقدر داده‌ها بین سخت‌افزارهای مختلف قابل استفاده مجدد هستند، هنوز پاسخ استانداردی ندارد.

اما یک نکته دیگر به سختی قابل انکار است: برای اینکه ربات‌ها به کارخانه‌ها و خانه‌ها وارد شوند، پشت صحنه نمی‌تواند همیشه به مهندسان برای جابجایی فایل‌ها تکیه کند.

در آینده، وقتی دوباره شرکتی را ببینید که اعلام می‌کند "چند ساعت داده جمع‌آوری کرده است"، بهتر است سه سوال بیشتر بپرسید: یک مهارت چقدر طول می‌کشد تا آنلاین شود، نمونه‌های شکست چند روز طول می‌کشد تا دوباره پردازش شوند و اگر دستگاهی عوض شود، چقدر داده قابل استفاده باقی می‌ماند. این‌ها واقعاً چیزهایی هستند که این خط تولید هر روز تولید می‌کند.

این محتوا صرفاً برای اطلاع‌رسانی عمومی ارائه شده است و به‌منزله مشاوره مالی، سرمایه‌گذاری، حقوقی یا مالیاتی تلقی نمی‌شود. هرگونه رویداد، جایزه، کمپین آنلاین یا اطلاعات مرتبط که در اینجا ذکر شده است، نباید به‌عنوان توصیه، ترغیب یا دعوت به خرید، فروش، معامله یا هرگونه دادوستد دیگر دارایی‌های رمزارزی تلقی شود. دارایی‌های رمزارزی از نوسان بالایی برخوردار هستند و ممکن است منجر به زیان شوند. دسترسی به خدمات، محصولات و رویدادهای مرتبط با WEEX ممکن است بسته به منطقه جغرافیایی متفاوت باشد. اطمینان از اینکه استفاده شما از این خدمات با قوانین و مقررات محلی مطابقت دارد، بر عهده خود شماست.