Rumah Peranti teknologi AI 'Rahsia' pelaksanaan robot: pembelajaran berterusan, pemindahan pengetahuan dan penyertaan autonomi

'Rahsia' pelaksanaan robot: pembelajaran berterusan, pemindahan pengetahuan dan penyertaan autonomi

Apr 12, 2023 pm 08:22 PM
robot Amazon cabaran

Rahsia pelaksanaan robot: pembelajaran berterusan, pemindahan pengetahuan dan penyertaan autonomi

Artikel ini diterbitkan semula daripada Lei Feng.com Jika anda perlu mencetak semula, sila pergi ke tapak web rasmi Lei Feng.com untuk memohon kebenaran.

​Pada 23 Mei 2022, ICRA 2022 (IEEE International Conference on Robotics and Automation), persidangan antarabangsa tahunan teratas dalam bidang robotik, telah diadakan seperti yang dijadualkan di Philadelphia, Amerika Syarikat.

Ini adalah tahun ke-39 ICRA. ICRA ialah persidangan perdana Persatuan Robotik dan Automasi IEEE dan forum antarabangsa utama untuk penyelidik robotik membentangkan dan membincangkan kerja mereka.

Di ICRA tahun ini, tiga daripada ketua pakar robotik Amazon, Sidd Srinivasa, Tye Brady dan Philipp Michel, membincangkan secara ringkas cabaran membina sistem robotik untuk interaksi manusia-mesin di dunia nyata.

Rahsia pelaksanaan robot: pembelajaran berterusan, pemindahan pengetahuan dan penyertaan autonomi

Kapsyen: Dari kiri ke kanan ialah Sidd Srinivasa, pengarah kecerdasan buatan untuk Amazon Robotics, Tye Brady, ketua pakar teknologi di Amazon Robotics (Global), dan pengurus kanan sains gunaan di Amazon Scout Philipp MichelSidd

Srinivasa ialah pakar robotik yang terkenal di dunia, IEEE Fellow, kini merupakan Profesor Terhormat di Boeing di University of Washington, dan ketua Projek Kepintaran Buatan Robot Amazon bertanggungjawab untuk mengurus algoritma robot autonomi yang membantu pekerja pusat logistik Amazon Penyelidikan robot yang boleh mengambil dan membungkus produk dan robot gaya troli yang boleh mengangkat, memunggah dan mengangkut barang secara autonomi.

Tye Brady ialah ketua pakar teknikal Amazon Robotics (global) dan mempunyai ijazah sarjana dalam kejuruteraan aeroangkasa daripada MIT. Philipp Michel dan Sidd Srinivasa adalah alumni kedoktoran Institut Robotik CMU dan merupakan pengurus kanan projek robot Pengakap Amazon.

Mereka mengemukakan pendapat mereka sendiri tentang menyelesaikan cabaran pelaksanaan robot. Kajian teknologi AI telah disusun tanpa mengubah maksud asalnya, seperti berikut:

S: Penyelidikan anda dalam bidang robotik menyelesaikan masalah yang berbeza?

Sidd Srinivasa: Kesukaran penting dalam penyelidikan robotik ialah kita hidup dalam dunia terbuka. Kami tidak tahu apa yang akan dihadapi oleh "input". Di pusat pemenuhan kami, saya mempunyai lebih 20 juta item untuk dikawal, dan bilangan item meningkat ratusan setiap hari. Selalunya, robot kami tidak tahu apa barang yang mereka ambil, tetapi mereka perlu mengambilnya dengan berhati-hati dan membungkusnya dengan cepat tanpa merosakkannya.

Philipp Michel: Bagi Scout, kesukarannya ialah objek yang ditemui di kaki lima dan persekitaran pengangkutan. Kami mempunyai kemudahan penghantaran persendirian yang digunakan di empat negeri di seluruh Amerika Syarikat. Keadaan cuaca, keadaan pencahayaan... jelas dari awal bahawa kami terpaksa berhadapan dengan sejumlah besar pembolehubah untuk membolehkan robot menyesuaikan diri dengan persekitaran yang kompleks.

Tye Brady: Dalam proses membangunkan robot pelaksanaan, kami mempunyai kelebihan yang ketara, iaitu beroperasi dalam persekitaran separa berstruktur. Kami boleh membuat peraturan lalu lintas kami sendiri untuk robot, dan memahami alam sekitar benar-benar membantu saintis dan jurutera kami memperoleh pemahaman yang mendalam tentang objek yang ingin kami gerakkan, manipulasi, klasifikasikan dan kenal pasti untuk memenuhi pesanan. Dalam erti kata lain, kita boleh merealisasikan mengejar teknologi di dunia sebenar.

Philipp Michel: Satu lagi persamaan yang kami ada ialah kami sangat bergantung pada pembelajaran daripada data untuk menyelesaikan masalah. Scout menerima data dunia sebenar semasa ia menjalankan tugas dan kemudian secara berulang membangunkan penyelesaian pembelajaran mesin untuk persepsi, penyetempatan dan navigasi.

Sidd Srinivasa: Saya sangat bersetuju (belajar daripada data untuk menyelesaikan masalah). Saya fikir pembelajaran mesin dan kawalan penyesuaian adalah kunci kepada penskalaan super-linear. Jika kita menggunakan beribu-ribu robot, kita tidak boleh mempunyai beribu-ribu saintis dan jurutera yang bekerja pada mereka. Kita perlu bergantung pada data dunia sebenar untuk mencapai pertumbuhan super-linear.

Selain itu, saya rasa dunia terbuka akan memaksa kita untuk berfikir tentang cara "continuous learning". Model pembelajaran mesin kami sering dilatih berdasarkan beberapa pengagihan data input, tetapi kerana ini adalah dunia terbuka, kami akan menghadapi masalah "anjakan kovariat", iaitu, data yang kami lihat tidak sepadan dengan pengedaran , yang menyebabkan mesin model pembelajaran sering menjadi terlalu yakin tanpa sebab.

Jadi, banyak kerja yang kami lakukan ialah mencipta "anjing pemerhati" (anjing pemerhati, peranti penyeliaan) yang mengenal pasti apabila pengedaran data input menyimpang daripada pengedaran yang dilatih. Kemudian, kami melakukan "pensampelan kepentingan" supaya kami boleh memilih data yang telah berubah dan melatih semula model pembelajaran mesin.

Philipp Michel: Ini adalah salah satu sebab mengapa kami ingin melatih robot di tempat yang berbeza, supaya kami dapat mengetahui lebih awal tentang data kehidupan sebenar yang mungkin dihadapi oleh robot, yang seterusnya memaksa kami untuk Membangunkan penyelesaian yang menangani data baharu.

Sidd Srinivasa: Ini sememangnya idea yang bagus. Salah satu kelebihan mempunyai berbilang robot ialah keupayaan sistem untuk mengenali kandungan yang diubah, melatih semula, dan kemudian berkongsi pengetahuan ini dengan robot lain.

Fikirkan cerita tentang robot pengisihan: Di sudut dunia, robot menemui jenis pembungkusan baharu. Pada mulanya, ia bermasalah kerana ia tidak pernah melihat perkara seperti ini sebelum ini dan tidak dapat mengenalinya. Kemudian penyelesaian baharu muncul: robot yang boleh menghantar jenis pembungkusan baharu kepada semua robot di dunia. Dengan cara itu, apabila jenis pembungkusan baharu ini muncul di tempat lain, robot lain akan tahu apa yang perlu dilakukan dengannya. Ia sama dengan mempunyai "sandaran". Apabila data baharu muncul pada satu titik, titik lain akan mengetahuinya, kerana sistem telah dapat melatih semula dirinya dan berkongsi maklumat.

Philipp Michel: Robot kami melakukan perkara yang serupa. Jika robot kami menghadapi halangan baharu yang tidak pernah mereka temui sebelum ini, kami cuba melaraskan model untuk mengecam dan menangani halangan ini, dan kemudian menggunakan model baharu kepada semua robot.

Salah satu perkara yang membuatkan saya terjaga pada waktu malam ialah idea bahawa robot kami akan menemui objek baharu di kaki lima yang tidak akan mereka temui lagi untuk tiga tahun akan datang, contohnya: orang di kaki lima Gargoyles digunakan untuk menghiasi rumput untuk Halloween, atau orang meletakkan payung di atas meja berkelah untuk menjadikannya kelihatan kurang seperti "meja berkelah." Dalam kes ini, semua algoritma pembelajaran mesin gagal mengenali bahawa ini adalah jadual berkelah.

Jadi sebahagian daripada penyelidikan kami juga adalah tentang cara mengimbangi perkara biasa yang tidak perlu dijerat dengan kategori perkara tertentu. Jika ini penutup lurang terbuka, robot mesti pandai mengenal pasti, jika tidak, ia akan jatuh. Tetapi jika ia hanya kotak rawak, kita mungkin tidak perlu mengetahui hierarki kotak itu, cuma ini adalah objek yang ingin kita jalan-jalan.

Sidd Srinivasa: Cabaran lain ialah apabila anda menukar model anda, mungkin terdapat akibat yang tidak diingini. Model yang diubah mungkin tidak menjejaskan persepsi robot, tetapi ia mungkin mengubah cara robot "brek", menyebabkan galas bebola haus selepas dua bulan. Dalam sistem hujung ke hujung, banyak penyelidikan masa depan yang menarik adalah mengenai "memahami kesan perubahan dalam bahagian sistem terhadap prestasi keseluruhan sistem."

Philipp Michel: Kami menghabiskan banyak masa memikirkan sama ada kami harus membahagikan bahagian yang berlainan pada susunan robot. Integrasi antara mereka boleh membawa banyak faedah, tetapi ia juga terhad. Satu kes yang melampau ialah pembelajaran kamera-ke-motor-ke-torsi, yang sangat mencabar dalam mana-mana aplikasi robotik dunia sebenar. Kemudian terdapat timbunan robotik tradisional, yang dibahagikan dengan baik kepada bahagian seperti penyetempatan, persepsi, perancangan dan kawalan.

Kami juga menghabiskan banyak masa memikirkan tentang cara timbunan itu perlu berkembang dari semasa ke semasa, dan apakah peningkatan prestasi yang ada apabila merapatkan bahagian ini? Pada masa yang sama, kami mahu mempunyai sistem yang kekal boleh ditafsirkan sebaik mungkin. Kami cuba memaksimumkan penyepaduan komponen pembelajaran yang memanfaatkan keseluruhan timbunan sambil mengekalkan kebolehtafsiran dan bilangan ciri keselamatan.

Sidd Srinivasa: Ini adalah perkara yang bagus, saya bersetuju sepenuhnya dengan Philipp bahawa tidak semestinya betul menggunakan satu model untuk mengawal semua model. Tetapi selalunya, kami akhirnya membina model pembelajaran mesin yang berkongsi tulang belakang dengan berbilang kepala yang digunakan. Apakah objek dan apakah maksud membahagikan objek? Ia mungkin sesuatu seperti memilih, menyusun atau mengemas, tetapi masing-masing memerlukan kepala khusus, menunggang tulang belakang yang pakar dalam tugas.

Philipp Michel: Beberapa faktor yang kami pertimbangkan ialah bateri, julat, suhu, ruang dan kekangan pengkomputeran. Jadi kita perlu cekap dengan model kita, mengoptimumkan model dan cuba memanfaatkan tulang belakang yang dikongsi sebanyak mungkin, seperti yang Sidd sebutkan, ketua yang berbeza untuk tugasan yang berbeza.

Rahsia pelaksanaan robot: pembelajaran berterusan, pemindahan pengetahuan dan penyertaan autonomi

Kapsyen: Amazon Scout ialah robot penghantaran autonomi yang boleh bergerak pada kelajuan berjalan di kaki lima awam dan kini sedang menjalani ujian lapangan di empat negeri di Amerika Syarikat.

S: Apabila saya bertanya tentang persamaan antara projek anda, satu perkara yang terlintas di fikiran ialah robot anda semuanya berfungsi dalam persekitaran yang sama seperti manusia. Mengapa ini merumitkan isu?

Sidd Srinivasa: Robot menghampiri kehidupan manusia, dan kita mesti menghormati semua interaksi kompleks yang berlaku di dunia manusia. Selain berjalan, memandu, dan melaksanakan tugas, terdapat juga interaksi sosial yang kompleks. Apa yang penting bagi robot ialah, pertama, sedar dan, kedua, terlibat.

Sangat sukar, apabila anda memandu, kadangkala sukar untuk memberitahu apa yang orang lain fikirkan dan memutuskan cara bertindak berdasarkan apa yang mereka fikirkan. Sekadar penaakulan tentang masalah itu sukar, dan kemudian menutup gelung adalah lebih sukar.

Jika robot sedang bermain catur atau bermain menentang manusia, adalah lebih mudah untuk meramalkan apa yang akan mereka lakukan kerana peraturan telah disusun dengan baik. Jika anda menganggap lawan anda adalah optimum, anda akan melakukannya dengan baik walaupun mereka tidak optimum. Ini dijamin dalam beberapa permainan dua pemain.

Tetapi keadaan sebenar tidak seperti ini Apabila kita bermain permainan koperasi ini yang memastikan situasi menang-menang, kita dapati sebenarnya sukar untuk diramal dengan tepat semasa permainan, walaupun rakan usaha sama mempunyai niat yang baik. .

Philipp Michel: Dan tingkah laku dunia manusia banyak berubah. Sesetengah haiwan peliharaan mengabaikan robot sepenuhnya, dan beberapa haiwan peliharaan akan berjalan ke arah robot. Perkara yang sama berlaku untuk pejalan kaki, dengan sesetengahnya menutup mata terhadap robot dan yang lain berjalan ke arahnya. Kanak-kanak, khususnya, sangat ingin tahu dan sangat interaktif, dan kita perlu dapat mengendalikan semua situasi dengan selamat, dan kebolehubahan ini menjadikannya menarik.

Atas ialah kandungan terperinci 'Rahsia' pelaksanaan robot: pembelajaran berterusan, pemindahan pengetahuan dan penyertaan autonomi. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Kenyataan Laman Web ini
Kandungan artikel ini disumbangkan secara sukarela oleh netizen, dan hak cipta adalah milik pengarang asal. Laman web ini tidak memikul tanggungjawab undang-undang yang sepadan. Jika anda menemui sebarang kandungan yang disyaki plagiarisme atau pelanggaran, sila hubungi admin@php.cn

Alat AI Hot

Undresser.AI Undress

Undresser.AI Undress

Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover

AI Clothes Remover

Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool

Undress AI Tool

Gambar buka pakaian secara percuma

Clothoff.io

Clothoff.io

Penyingkiran pakaian AI

AI Hentai Generator

AI Hentai Generator

Menjana ai hentai secara percuma.

Artikel Panas

R.E.P.O. Kristal tenaga dijelaskan dan apa yang mereka lakukan (kristal kuning)
3 minggu yang lalu By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. Tetapan grafik terbaik
3 minggu yang lalu By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. Cara Memperbaiki Audio Jika anda tidak dapat mendengar sesiapa
3 minggu yang lalu By 尊渡假赌尊渡假赌尊渡假赌

Alat panas

Notepad++7.3.1

Notepad++7.3.1

Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina

SublimeText3 versi Cina

Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1

Hantar Studio 13.0.1

Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6

Dreamweaver CS6

Alat pembangunan web visual

SublimeText3 versi Mac

SublimeText3 versi Mac

Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Amazon Kindle Oasis ditamatkan di Amerika Syarikat, menandakan berakhirnya era e-pembaca mewah Amazon Kindle Oasis ditamatkan di Amerika Syarikat, menandakan berakhirnya era e-pembaca mewah Feb 25, 2024 pm 12:10 PM

Menurut berita terkini, Amazon telah mengumumkan pemberhentian e-pembaca Kindle Oasis mewahnya dan telah mengeluarkannya daripada pasaran AS. Langkah ini menunjukkan bahawa Kindle Oasis yang sangat dinanti-nantikan telah secara rasmi menarik diri daripada pasaran. Walaupun masih terdapat sejumlah kecil stok di beberapa pasaran luar negara seperti Kanada dan United Kingdom, setelah habis dijual, ia tidak akan tersedia lagi. Ini menandakan permulaan pembaca kelas atas yang terkenal ini menjadi perkara masa lalu. Kindle Oasis digemari oleh pengguna kerana prestasi dan reka bentuknya yang cemerlang Namun, apabila permintaan pasaran berubah dan produk baharu dilancarkan, Amazon mungkin telah memutuskan untuk menghentikan produk ini. Walaupun Kindle Oasis telah meninggalkan tanda tertentu di pasaran, Amazon mungkin telah mengalihkan tumpuannya kepada barisan produk lain

Ameca generasi kedua ada di sini! Dia boleh berkomunikasi dengan penonton dengan lancar, ekspresi mukanya lebih realistik, dan dia boleh bercakap berpuluh-puluh bahasa. Ameca generasi kedua ada di sini! Dia boleh berkomunikasi dengan penonton dengan lancar, ekspresi mukanya lebih realistik, dan dia boleh bercakap berpuluh-puluh bahasa. Mar 04, 2024 am 09:10 AM

Robot humanoid Ameca telah dinaik taraf kepada generasi kedua! Baru-baru ini, di Persidangan Komunikasi Mudah Alih Sedunia MWC2024, robot Ameca paling canggih di dunia muncul semula. Di sekitar venue, Ameca menarik sejumlah besar penonton. Dengan restu GPT-4, Ameca boleh bertindak balas terhadap pelbagai masalah dalam masa nyata. "Jom kita menari." Apabila ditanya sama ada dia mempunyai emosi, Ameca menjawab dengan beberapa siri mimik muka yang kelihatan sangat hidup. Hanya beberapa hari yang lalu, EngineeredArts, syarikat robotik British di belakang Ameca, baru sahaja menunjukkan hasil pembangunan terkini pasukan itu. Dalam video tersebut, robot Ameca mempunyai keupayaan visual dan boleh melihat serta menerangkan keseluruhan bilik dan objek tertentu. Perkara yang paling menakjubkan ialah dia juga boleh

Melaksanakan Algoritma Pembelajaran Mesin dalam C++: Cabaran dan Penyelesaian Biasa Melaksanakan Algoritma Pembelajaran Mesin dalam C++: Cabaran dan Penyelesaian Biasa Jun 03, 2024 pm 01:25 PM

Cabaran biasa yang dihadapi oleh algoritma pembelajaran mesin dalam C++ termasuk pengurusan memori, multi-threading, pengoptimuman prestasi dan kebolehselenggaraan. Penyelesaian termasuk menggunakan penunjuk pintar, perpustakaan benang moden, arahan SIMD dan perpustakaan pihak ketiga, serta mengikuti garis panduan gaya pengekodan dan menggunakan alat automasi. Kes praktikal menunjukkan cara menggunakan perpustakaan Eigen untuk melaksanakan algoritma regresi linear, mengurus memori dengan berkesan dan menggunakan operasi matriks berprestasi tinggi.

Robot pertama yang menyelesaikan tugas manusia secara autonomi muncul, dengan lima jari fleksibel dan kelajuan manusia luar biasa, dan model besar menyokong latihan angkasa maya Robot pertama yang menyelesaikan tugas manusia secara autonomi muncul, dengan lima jari fleksibel dan kelajuan manusia luar biasa, dan model besar menyokong latihan angkasa maya Mar 11, 2024 pm 12:10 PM

Minggu ini, FigureAI, sebuah syarikat robotik yang dilaburkan oleh OpenAI, Microsoft, Bezos, dan Nvidia, mengumumkan bahawa ia telah menerima hampir $700 juta dalam pembiayaan dan merancang untuk membangunkan robot humanoid yang boleh berjalan secara bebas dalam tahun hadapan. Dan Optimus Prime Tesla telah berulang kali menerima berita baik. Tiada siapa yang meragui bahawa tahun ini akan menjadi tahun apabila robot humanoid meletup. SanctuaryAI, sebuah syarikat robotik yang berpangkalan di Kanada, baru-baru ini mengeluarkan robot humanoid baharu, Phoenix. Pegawai mendakwa bahawa ia boleh menyelesaikan banyak tugas secara autonomi pada kelajuan yang sama seperti manusia. Pheonix, robot pertama di dunia yang boleh menyelesaikan tugas secara autonomi pada kelajuan manusia, boleh mencengkam, menggerakkan dan meletakkan setiap objek secara elegan di sisi kiri dan kanannya dengan perlahan. Ia boleh mengenal pasti objek secara autonomi

Bagaimanakah AI boleh menjadikan robot lebih autonomi dan boleh disesuaikan? Bagaimanakah AI boleh menjadikan robot lebih autonomi dan boleh disesuaikan? Jun 03, 2024 pm 07:18 PM

Dalam bidang teknologi automasi perindustrian, terdapat dua titik panas terkini yang sukar diabaikan: kecerdasan buatan (AI) dan Nvidia. Jangan ubah maksud kandungan asal, perhalusi kandungan, tulis semula kandungan, jangan teruskan: “Bukan itu sahaja, kedua-duanya berkait rapat, kerana Nvidia tidak terhad kepada unit pemprosesan grafik asalnya (GPU ), ia sedang mengembangkan GPUnya Teknologi ini meluas ke bidang kembar digital dan berkait rapat dengan teknologi AI yang baru muncul "Baru-baru ini, NVIDIA telah mencapai kerjasama dengan banyak syarikat industri, termasuk syarikat automasi industri terkemuka seperti Aveva, Rockwell Automation, Siemens. dan Schneider Electric, serta Teradyne Robotics dan syarikat MiR dan Universal Robotsnya. Baru-baru ini, Nvidiahascoll

2 bulan kemudian, robot humanoid Walker S boleh melipat pakaian 2 bulan kemudian, robot humanoid Walker S boleh melipat pakaian Apr 03, 2024 am 08:01 AM

Editor Laporan Kuasa Mesin: Wu Xin Versi domestik robot humanoid + pasukan model besar menyelesaikan tugas operasi bahan fleksibel yang kompleks seperti melipat pakaian buat kali pertama. Dengan pelancaran Figure01, yang mengintegrasikan model besar berbilang modal OpenAI, kemajuan berkaitan rakan domestik telah menarik perhatian. Baru semalam, UBTECH, "stok robot humanoid nombor satu" China, mengeluarkan demo pertama robot humanoid WalkerS yang disepadukan secara mendalam dengan model besar Baidu Wenxin, menunjukkan beberapa ciri baharu yang menarik. Kini, WalkerS, diberkati oleh keupayaan model besar Baidu Wenxin, kelihatan seperti ini. Seperti Rajah01, WalkerS tidak bergerak, tetapi berdiri di belakang meja untuk menyelesaikan satu siri tugasan. Ia boleh mengikut perintah manusia dan melipat pakaian

Gergasi pengkomputeran awan melancarkan pertempuran undang-undang: Amazon menyaman Nokia atas pelanggaran paten Gergasi pengkomputeran awan melancarkan pertempuran undang-undang: Amazon menyaman Nokia atas pelanggaran paten Jul 31, 2024 pm 12:47 PM

Menurut berita dari laman web ini pada 31 Julai, gergasi teknologi Amazon menyaman syarikat telekomunikasi Finland Nokia di mahkamah persekutuan Delaware pada hari Selasa, menuduhnya melanggar lebih daripada sedozen paten Amazon yang berkaitan dengan teknologi pengkomputeran awan. 1. Amazon menyatakan dalam tuntutan mahkamah bahawa Nokia menyalahgunakan teknologi berkaitan Perkhidmatan Pengkomputeran Awan Amazon (AWS), termasuk infrastruktur pengkomputeran awan, keselamatan dan teknologi prestasi, untuk meningkatkan produk perkhidmatan awannya sendiri. Amazon melancarkan AWS pada 2006 dan teknologi pengkomputeran awan terobosannya telah dibangunkan sejak awal 2000-an, kata aduan itu. "Amazon adalah perintis dalam pengkomputeran awan, dan kini Nokia menggunakan inovasi pengkomputeran awan yang dipatenkan Amazon tanpa kebenaran," bunyi aduan itu. Amazon meminta mahkamah untuk injunksi untuk menyekat

Sepuluh robot humanoid membentuk masa depan Sepuluh robot humanoid membentuk masa depan Mar 22, 2024 pm 08:51 PM

10 robot humanoid berikut sedang membentuk masa depan kita: 1. ASIMO: Dibangunkan oleh Honda, ASIMO ialah salah satu robot humanoid yang paling terkenal. Berdiri setinggi 4 kaki dan seberat 119 paun, ASIMO dilengkapi dengan penderia termaju dan keupayaan kecerdasan buatan yang membolehkannya menavigasi persekitaran yang kompleks dan berinteraksi dengan manusia. Fleksibiliti ASIMO menjadikannya sesuai untuk pelbagai tugas, daripada membantu orang kurang upaya kepada menyampaikan pembentangan di acara. 2. Pepper: Dicipta oleh Softbank Robotics, Pepper bertujuan untuk menjadi teman sosial bagi manusia. Dengan wajah ekspresif dan keupayaan untuk mengenali emosi, Pepper boleh mengambil bahagian dalam perbualan, membantu dalam tetapan runcit, dan juga memberikan sokongan pendidikan. Lada punya

See all articles