WTWH Media的丹卡拉（Dan Kara）在AI World 2019上表示，人工智能使一代人能夠``思考，感知和行動''。

昌吉網站制作公司哪家好，找創(chuàng)新互聯(lián)建站！從網頁設計、網站建設、微信開發(fā)、APP開發(fā)、響應式網站開發(fā)等網站項目制作，到程序開發(fā)，運營維護。創(chuàng)新互聯(lián)建站于2013年成立到現(xiàn)在10年的時間，我們擁有了豐富的建站經驗和運維經驗，來保證我們的工作的順利進行。專注于網站建設就選創(chuàng)新互聯(lián)建站。

機器人是AI的關鍵應用程序，除了麻省理工學院的Julie Shah作了精彩的全體演講外，整條曲目都專門介紹了機器人技術中的AI。WTWH Media機器人和智能系統(tǒng)副總裁Dan Kara概述了構建機器人的一些挑戰(zhàn)，他澄清說，這不是聊天機器人，而是在現(xiàn)實世界中起作用的機器人。他說：“似乎每年都快要到來了，”但今年的風潮越來越大。

卡拉認為，到目前為止，機器人技術是我們在人工智能和機器學習領域的大部分工作的基矗他說：“直到最近，您才開始將人工智能或機器學習轉移到不同的實驗室。” “一次，他們被認為是同一件事，因為那是工作的方向。” 早期在面部識別，加速度計，自然語言處理，超小型相機等方面的研究來自機器人實驗室完成的工作。它們天生具有協(xié)同作用，”他說。

卡拉說，在過去的十年中，人工智能和機器學習迅猛發(fā)展，認知能力，物聯(lián)網，大規(guī)模數據和無處不在的連接性方面的進步正滲透到機器人技術中，為機器人“思考，感知和行動”創(chuàng)造了途徑。

在過去的五年中，我們看到機器人技術已經從注重硬件轉變?yōu)樽⒅剀浖?ldquo;例如，如果您問運行iRobot的人，他們的工程師中的大多數（超過四分之三）都是軟件工程師。您將在世界領先的機器人中心看到越來越多的這種情況。” 在期刊文章中，我們看到了相同的趨勢：他觀察到，致力于機器學習和機器人技術交叉領域的工作呈爆炸式增長。

卡拉說，物理世界中正在執(zhí)行抓取，操縱，自主導航和定位等任務的機器人需要加強學習，而有監(jiān)督，無監(jiān)督或半監(jiān)督的學習可能更適合于其他應用?？ɡf：“更加強調實時學習和支持這種學習所需的軟件。”

實際上，Kara解釋說，事實上的標準正在成為鏈接到云服務的機器人操作系統(tǒng)（ROS）。亞馬遜去年11月推出了AWS RoboMaker：這是ROS的云擴展，具有開發(fā)環(huán)境，模擬工具和車隊管理。RoboMaker提供了從ROS到Amazon后端服務包（例如，用于語言生成的Amazon Polly）的擴展。這些類型的程序包可以輕松地包括面部識別和對象識別，但是它們還沒有冒險進行操縱，抓握或導航。Kara預測：“我懷疑這種特定產品將會到來。”

亞馬遜并不孤單。通過Microsoft的Visual Studio，您可以訪問ROS節(jié)點以獲取功能，同時以Azure為自然語言處理，對象識別，車隊管理和其他工具。Facebook有一個名為SciRobotics的產品云，由他們與卡內基梅隆大學共同開發(fā)，是這些用于ROS的軟件包的所在地。Google還推出了一個產品：Google Cloud Robotics平臺。

程序化團隊合作模型

卡拉說：“我們已經從專注于使用單個機器人系統(tǒng)的時代轉移到現(xiàn)在的多機器人系統(tǒng)以及它們如何協(xié)同工作的時代。”

看起來好像一群倉庫機器人在進行復雜的舞蹈合作，但實際上我們還沒有?？夏崴髦萘⒋髮W計算學院助理教授邁克爾富蘭克林（Michael Franklin）解釋說，這僅僅是避免障礙。他指出，根本沒有任何障礙。盡管對機器人進行了編程，使其不能相互撞撞，但他們不知道自己在回避什么，并且它們無法協(xié)同工作。

富蘭克林認為，多主體，多團隊的情況非常復雜-以滑鐵盧戰(zhàn)役的快速歷史課程為證。

富蘭克林說，在機器人或其他地方的AI并沒有制定戰(zhàn)略。它是被動的，始終將自己的任務大化。他認為，我們還沒有建立能夠理解團隊合作精神的人工智能。在團隊中，個人為了更大的目標而犧牲自己。

他提出了一個基于層次代理的模型，在該領域的邊緣有智能代理。每個代理都可以訪問從隊友那里收集的知識；最重要的是，有針對該任務的政策；最重要的是戰(zhàn)略，最后是情報。但是推理不僅會自上而下。每個代理都是一個智能參與者，可將數據反饋給模型。即使通信中斷，邊緣代理也可以處理最新的數據。

這是我們仍需實現(xiàn)的愿景，但Kara認為，邊緣智能是機器人技術研發(fā)的未來。機器人-作為高度感測的物理設備-充當邊緣集線器，收集來自其他傳感器的反饋，合并該數據并繼續(xù)發(fā)送。

“如果您與云計算/人工智能或云計算/機器學習基礎設施參與者中的一些領導者進行交流，例如世界各地的谷歌或世界各地的微軟，他們會認為機器人系統(tǒng)只是超感應，超智能的邊緣設備，”卡拉說。

現(xiàn)在重點介紹邊緣推理，并且Google正在研究聯(lián)合學習。“所有這些都與我們想要使推理實際上不在云中完成，而是實際上在設備本身上完成這一想法緊密相關。您會看到來自Google以及NVIDIA和QUALCOMM以及其他各種廠商的專用處理器都在強調這一點，”他說。

當機器人從倉庫的籠子里出來時，這將更加有用。“如果您正在處理稀疏數據，那么在建筑物之外的世界其他99％呢，結合不同類型的模式，需要更多的經驗來驅動？” 卡拉問。

盡管到目前為止，大多數重點都放在商業(yè)智能上，但事后事實證明，現(xiàn)場機器人技術將需要不同類型的學習和智能。“能夠帶來大價值的系統(tǒng)類型可以減少事件發(fā)生和反應時間之間的時間和響應。” 他指出，現(xiàn)場機器人技術是大的投資。

需要新的學習模型（聯(lián)合學習，緊急學習和持續(xù)學習）來訓練該領域中存在的系統(tǒng)，并且需要新的硬件和軟件類來支持邊緣推理。

網站標題：機器人技術的下一步：在現(xiàn)場，邊緣推理
地址分享：http://aaarwkj.com/article4/chsoie.html

成都網站建設公司_創(chuàng)新互聯(lián)，為您提供網站建設、網站維護、營銷型網站建設、App開發(fā)、品牌網站設計、網站排名

廣告

聲明：本網站發(fā)布的內容（圖片、視頻和文字）以用戶投稿、用戶轉載內容為主，如果涉及侵權請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內容未經允許不得轉載，或轉載時需注明來源： 創(chuàng)新互聯(lián)