په روبوټیکونو او خودمختاره سیسټمونو کې یوه پیژندل شوې نمونه راڅرګنده شوې ده: یو لوی ډیمو په سټیج کې په ښکلي ډول پرمخ ځي، ورته سیسټم دوه اونۍ وروسته په ژوندۍ ګودام کې ټکر کوي، او د پوسټ مارټم "حقیقت" د ازموینې چاپیریال په پرتله د ګډوډۍ لپاره ملامتوي. په ساحه کې ځینې غږونه استدلال کوي چې ورک شوی پرت هارډویر دی - غوره ګریپرونه، د ځواک-ټارک سینسرونه، د لمس کولو پوستکي. دا دلیل سم دی، مګر نیمګړی دی. حتی د مثالي سینس کولو هارډویر د خامو سیګنالونو جریان تولیدوي چې یو ماډل یې باید ولري زده د تفسیر لپاره. د ډیری فزیکي AI ناکامیو تر شا اصلي خنډ سینسر نه دی. دا څو ماډل دی د فزیکي مصنوعي ذهانت روزنې معلومات دا ماډلونو ته درس ورکوي چې دا سیګنالونه څه معنی لري، دوی څنګه د لید سره تړاو لري، او کله چې نړۍ شاته ځي نو کوم اقدامات باید وکړي. دا معلومات په صنعتي کچه په سختۍ سره شتون لري - او دا ورک شوی طبقه ده.
په فزیکي مصنوعي ذهانت کې "ورک شوی طبقه" په حقیقت کې څه ده؟
د فزیکي AI پیژندل شوی لوپ - احساس کول، پریکړه کول، عمل کول، تطابق کول - داسې بحث کیږي لکه څنګه چې دا د هارډویر او معمارۍ ستونزه وي. په عمل کې، په دې لوپ کې هر تیر یو زده شوی چلند دی. احساس پدې معنی چې یو ماډل د شور او لوړ ابعاد سینسر جریان د عمل وړ حالت اټکلونو ته اړوي. پریکړه د یوې پالیسۍ معنی چې د عمومي کولو لپاره کافي بدلونونه لیدلي دي. قانون د اصلي متحرکاتو په وړاندې د زده شوي کنټرول معنی. تطابق په ملی ثانیو کې د دې پیژندلو معنی لري چې گرفت سلیپ کیږي یا یوه برخه په غلط ډول تنظیم شوې ده - او د مینځنۍ حرکت اصلاح کول. د دې چلندونو څخه هیڅ یو په وجود کې پروګرام کیدی نشي. دوی د مثالونو څخه زده کیږي. کله چې د فزیکي AI سیسټم د تماس پرمهال تطابق نشي کولی، معمول اصلي لامل دا دی چې د هغې د روزنې ډیټا هیڅکله د تماس کافي لیبل شوي مثالونه شامل نه کړي چې زده کړي. هارډویر کولی شي سم سیګنالونه جریان کړي. ماډل لاهم ډیټاسیټ ته اړتیا لري چې دا سیګنالونه یو څه معنی لري.
ولې یوازې لید ډیټا سیټونه فزیکي مصنوعي ذهانت ماتوي
د منځنۍ اندازې د بشپړتیا چلونکی تصور وکړئ چې د دریو ویشلو مرکزونو کې یو ګډ غوره کوونکی چلوي. د غوره کونکي لید ماډل د ملیونونو محصول عکسونو په اړه روزل شوی و. دا سمدلاسه توکي پیژني. د ژوندۍ ځای پرځای کولو لومړۍ اونۍ، فعالیت ښه ښکاري. دریمه اونۍ، د تولید کچه دریمه برخه راټیټیږي. هغه توکي چې غوره کونکی ورسره مبارزه کوي ستونزمن ندي وګورئ. دوی سخت دي چې سمبال کړئ: نیمه ټوټه شوي کارتنونه چې په تماس کې خراب شوي، لنډ شوي پوښل شوي بنډلونه چې ښویېږي، او منعکس کونکي پلاستيکي کلیم شیلونه چې د سر څراغونو سره یوځای کولو سره د ژوروالي اټکل ګډوډوي. د لید معلوماتو ماډل ته وویل چې توکي څنګه ښکاري. د روزنې سیټ کې هیڅ شی دا نه دي ویلي چې دوی څنګه احساس کوي، دوی څنګه ځواک ته غبرګون ښودلی، یا کله چې گرفت ناکام شي.
دا په ډیری فزیکي AI سټیکونو کې ساختماني تشه ده - او دا د فابریکې په پوړ کې د ښودلو دمخه په ډیټاسیټونو کې څرګندیږي.
| بعد | یوازې د لید ډیټاسیټ | د څو ماډل فزیکي AI روزنې ډیټاسیټ |
|---|---|---|
| حالتونه | د RGB انځورونه، کله ناکله ژوروالی | لید، ژوروالی، لمس، ځواک/ټارک، پروپریوسیپشن، غږ |
| سرچینه نیول | سکریپ شوي یا سټېج شوي انځورونه | د حقیقي یا ټیلی آپریټ شوي تعاملاتو څخه هدف راټول شوی |
| د تبصرې ډول | د تړلو بکسونه، قطع کول، ټولګي | د اړیکو پیښې، سلیپ، د گرفت کیفیت، د ځواک پروفایلونه، د وخت سمون |
| د اقتصاد کچه | د نقل کولو لپاره ارزانه | ګران - هره نمونه فزیکي تعامل ته اړتیا لري |
| د ښکته جریان دنده مناسبه ده | درک، نیویګیشن | لاسوهنه، تطابق، د تماس بډایه کنټرول |
د ملګرو لخوا بیاکتل شوي د لاسوهنې معیارونو ښودلې چې د لید یوازې روزنې پایپ لاینونو کې د لمس معلوماتو اضافه کول کولی شي د لاسوهنې بریالیتوب کچه شاوخوا 20 سلنه لوړه کړي، د ګډ بصري-لمس دمخه روزنې څخه یو بل معنی لرونکی لوړوالی سره (سرچینه: IEEE/RSJ IROS بنچمارک پایلې، 2024). توپیر زیاتیدونکی نه دی. دا د ډیمو او ځای پرځای کولو ترمنځ کرښه ده.
د ریښتیني فزیکي مصنوعي ذهانت روزنې ډیټا سیټ څلور پرتونه
د داسې ډیټاسیټ جوړول چې په حقیقت کې یو ماډل ته په فزیکي نړۍ کې د عمل کولو درس ورکوي، څلور کلک تړلي طبقې نیسي. له دوی څخه هر یو پریږدئ او پورته سټک به سقوط وکړي.
- څو ماډل نیول. ډیټاسیټ باید هغه څه ولري چې روبوټ به یې په حقیقت کې تجربه کړي: همغږي شوي RGB او ژور ویډیو، LiDAR یا سټیریو چیرې چې اړونده وي، د تماس سیګنالونه (د فشار ویش، وایبریشن، سلیپ)، د تماس په نقطه کې د ځواک او تورک لوستل، د ګریپر حالت په اړه پروپریوسیپټیو ډیټا، او ډیری وخت آډیو. د نیولو ریګ د سینسرونو په څیر مهم دی - ځای پرځای کول، کیلیبریشن، او د هغه څنډې قضیو ته د رسیدو وړتیا چې خورا مهم دي. هغه ټیمونه چې دا دننه جوړوي معمولا داخلي بیړۍ د متخصص سره یوځای کوي. د فزیکي AI معلوماتو راټولول د یوې پیاوړې ډیټاسیټ اړتیاوو تنوع، جغرافیه، او سناریو پراخوالي ته د رسیدو لپاره شریک.
- د وخت همغږي کول او د سینسر فیوژن. په ۱۵۰۰ هرټز کې د تمایل سرعت بې معنی دی پرته لدې چې پوه شي د لید جریان او ځواک سینسر په ورته ملی ثانیه کې څه ښیې. د موډلیتونو په اوږدو کې د وخت سمون هغه څه دي چې یو ماډل ته اجازه ورکوي چې زده کړي، د مثال په توګه، چې یو ځانګړی بصري اشاره د تمایل فشار راټیټیدو څخه ۴۰ ملی ثانیه مخکې د سلیپ پیښې وړاندوینه کوي. د همغږۍ پرته، تاسو د روزنې معلوماتو پرځای موازي جریان لرئ.
- د اړیکو بډایه تشریح. دا تر ټولو سخته طبقه ده او هغه طبقه چې ډیری پروګرامونه یې کم ارزوي. تشریح کونکي اړتیا لري چې د گرفت کیفیت، د سلیپ شیبې، د تماس پیل او خوشې کول، د ګریپر دننه د شی پوز، د ځواک لاندې خرابوالی، او د فرعي عملونو لنډمهاله حدود په نښه کړي. د دې حق ترلاسه کول روزل شوي تشریح ټیمونو، څو پوړیزه بیاکتنې، او د طریقو په اوږدو کې دوامداره لارښوونو ته اړتیا لري - له همدې امله ډیری جدي عملیات په یو باندې تکیه کوي د جوړښتي معلوماتو تشریح کاري جریان د دې پر ځای چې هڅه وکړي چې دا په ناڅاپي ډول پراخه کړي.
- دوامداره عملیاتي غبرګون. کله چې د فزیکي مصنوعي ذهانت سیسټم ځای پر ځای شي، هر بریالی انتخاب، نږدې له لاسه ورکول، او ناکامي تازه معلومات کیږي. هغه ټیمونه چې لوپ بندوي - نیول، لیبل کول، بیا روزنه ورکول، بیا ځای پر ځای کول - د ترکیب لاسته راوړنې ګوري. هغه ټیمونه چې خپل ماډلونه په خاموشۍ سره نه ګوري ځکه چې نړۍ د دوی شاوخوا بدلون مومي.
ولې فزیکي AI تشریح یو بل ډسپلین دی؟
د فزیکي مصنوعي ذهانت روزنې معلوماتو تشریح کول د اضافي ګامونو سره د عکس لیبل کول ندي. دا یو مختلف ډسپلین دی. د دې په اړه فکر وکړئ لکه د زده کونکي شیف روزنه د دوی د پخلي ویډیوګانو ښودلو په پرتله. یوه ویډیو پیژندنه زده کوي — دا د جولین کټ دی، دا برونوایز دی. د زده کړې کورس زده کړه کوي چې د پیازو په وړاندې یو تیز چاقو څه احساس کوي، کله چې یو پین کافي ګرم وي پرته له دې چې ترمامیتر وګوري، او کله چې لاستی نرم شي نو څنګه گرفت تنظیم کړي. د زده کړې دوهم ډول د زده کونکي تر څنګ یو چا ته اړتیا لري، د ژوندۍ تجربې شیبه په شیبه لیبل کول. فزیکي AI تشریح په ورته ډول کار کوي: تشریح کونکي یوازې هغه څه نه په نښه کوي چې لیدل کیږي؛ دوی د تماس پیښو، ځواک پروفایلونو، سلیپ پیل، او د همغږي شوي سینسر جریانونو کې د عملونو لنډمهاله حدود لیبل کوي. دا د ډومین څخه خبر تشریح کونکو، قوي QC، او ځانګړي وسیلو ته اړتیا لري. په ښه توګه ترسره شوی، دا خام ملټي موډل نیول په ډول بدلوي د روبوټکس روزنې معلومات دا په حقیقت کې یو ماډل ته د تماس اداره کول زده کوي. په ناسم ډول ترسره شوی، دا لیبل شوی شور تولیدوي.
پایله — هارډویر لوپ پای ته رسوي؛ معلومات یې پیلوي
غوره ګریپرونه، د لمس وړ پوستکي، او د ځواک سینسرونه ریښتیني پرمختګ دی. هیڅ یو یې د څو ماډل، همغږي شوي، بډایه تشریح شوي ډیټاسیټونو اړتیا له منځه نه وړي چې یو ماډل ته درس ورکوي چې دا سیګنالونه په شرایطو کې څه معنی لري. هغه سازمانونه چې د فزیکي AI ډیمو او فزیکي AI ځای پرځای کولو ترمنځ واټن بندوي هغه دي چې معلومات د لومړي درجې زیربنا په توګه کاروي - په قصدي ډول یې راټولوي، د ډومین سختۍ سره یې تشریح کوي، او عملیاتي معلومات بیرته روزنې ته د دایمي لوپ په توګه تغذیه کوي. هارډویر د احساس-پریکړه-عمل-تطابق لوپ پای ته رسوي. د روزنې معلومات هغه څه دي چې دا پیل کوي.
د فزیکي مصنوعي ذهانت روزنې معلومات د عادي مصنوعي ذهانت روزنې معلوماتو څخه څه توپیر لري؟
دا څو اړخیزه، د وخت سره همغږي شوی، او د ریښتیني یا ټیلی آپریټ شوي فزیکي تعاملاتو څخه اخیستل شوی. د مصنوعي ذهانت د روزنې عادي معلومات معمولا متن یا انځورونه وي چې په لویه کچه سکریپ شوي وي. د مصنوعي ذهانت د روزنې فزیکي معلومات باید د سینسر جریانونه شامل کړي - لید، ژوروالی، لمس، ځواک، پروپریوسیپشن - د شیانو او چاپیریال سره د حقیقي تماس په جریان کې ثبت شوي.
ولې د لید معلومات د هغو روبوټونو لپاره کافي نه دي چې شیان اداره کوي؟
کیمرې کولی شي روبوټ ته ووایی چې یو شی څنګه ښکاري، نه دا چې څنګه د ځواک سره غبرګون ښیې، ایا گرفت سلیپ کیږي، یا څنګه مواد د فشار لاندې خرابیږي. لاسوهنه د تماس ستونزه ده. د روزنې سیټ کې د تماس او ځواک معلوماتو پرته، ماډل د تماس پرمهال د تطابق لپاره هیڅ اساس نلري.
ولې د تماس او تماس بډایه ډیټاسیټونه دومره کم دي؟
د انټرنیټ انځورونو برعکس، د هر تمثیلي معلوماتو نقطه فزیکي تعامل ته اړتیا لري - یو روبوټ یا انسان په حقیقت کې یو څه لمس کوي، نیسي، یا اداره کوي. دا د نیول ورو، ګران، او د ریګ کیلیبریشن لپاره حساس کوي، نو د لویې کچې عامه ډیټاسیټونه نادر پاتې کیږي.
آیا مصنوعي معلومات او سمولیشن د ریښتینې نړۍ څو ماډل نیول بدلولی شي؟
سمولیشن ارزښتناک دی، په ځانګړې توګه د نادرو یا خطرناکو سناریوګانو لپاره، مګر د تماس متحرکاتو، موادو اطاعت، او سینسر شور لپاره د سم څخه تر ریښتیني تشې د پام وړ پاتې دي. د فزیکي AI روزنې قوي پایپ لاینونه مصنوعي او ریښتیني معلومات سره یوځای کوي پرځای یې چې یوازې په یو بل تکیه وکړي.
که چیرې د فزیکي مصنوعي ذهانت ټیم ډیری وخت لید ولري، نو باید له کوم ځای څخه پیل وکړي؟
دوه ځایونه. لومړی، دا وپیژنئ چې کوم تولیدي ناکامۍ د تماس له امله رامینځته کیږي - سلیپینګ، ډیفارمیشن، غلط تنظیم - ځکه چې دا هغه ناکامۍ دي چې یوازې ډاټا یې حل کولی شي. دوهم، د هدف لرونکي نیولو پروګرام پلان کړئ چې په ځانګړو دندو کې ورک شوي طریقې (ټکټائل، ځواک، پروپریوسیپشن) اضافه کړي چیرې چې دا به ستنه حرکت وکړي، د دې پرځای چې په یوځل کې ټول ډیټاسیټ بیا جوړ کړي.
