logo

亚马逊:机器学习对Kiva机器人的价值非常大

机器人圈05-14 19:07

  本文编译自RE WORK,该组织采访了Amazon Robotics机器学习团队的核心软件开发工程师Abdelrahman Ogail,该负责人透露了很多有关亚马逊对于机器人的看法和理解,我们一起来看看!

  生产系统对可靠性和鲁棒性的期望越来越高,这个难题一直存在,越来越多的公司尽可能地使用人工智能来缓解劳动和财务压力。

  深度学习的最新进展已经使复杂的机器人任务成为现实,比如像感知、导航和操纵等,这些成果都很有前途。这些发展吸引了像亚马逊这样的仓储公司,在其巨型实施中心创建自主的机器人解决方案,使他们能够使客户订单包装和运输自动化。

  亚马逊以人工智能技术而闻名,自2012年收购Kiva Systems以来,专门从事机器人仓储,他们通过引进大量的与人机合作的机器人,彻底改变了工作环境。电商通过使用无人机,同时增加委托给机器的工作量,在未来,继续使亚马逊的仓库和交付过程更加高效。

  Abdelrahman Ogail是AmazonRobotics核心机器学习团队的软件开发工程师,负责深度学习技术和软件架构,涉及亚马逊物流中心实施这些自主机器人任务。

  以下是专访内容:

  Q:请告诉我们您在亚马逊的角色。

  A:我是Amazon Robotics机器学习核心团队的软件开发工程师。在此之前,我是微软Azure团队的软件工程师,在华盛顿大学攻读硕士学位的期间,将强化学习技术(reinforcement learning)应用于非确定性随机规划和调度任务的自主agent中。

  Q:什么时候开始深度学习工作的?

  A:我一开始便使用强化学习技术,基于案例的自适应agent。后来,我开始研究深度学习,结合强化学习,研究深度强化学习技术。在Amazon Robotics,我第一次使用深度学习,是将其用于机器人感知的图像分类任务。

  Q:机器人近期进步的关键因素是什么?

  A:深度学习(也就是上世纪90年代的神经网络和70年代中期的控制论),它的基本思想(如反向传播、梯度下降等)已经存在了很长时间。深度学习的最新突破是由于大量的训练数据集、强大的计算机硬件,以及数字计算和深度学习框架(如TensorFlow、Caffe、MxNet,以及Facebook近期的Caffe2)的开发。深度学习的进步为几项计算机视觉任务铺平了道路,从而获得了更好的机器人视觉和感知精度。最先进的图像和物体识别技术可以解决常见的感知任务,例如无人驾驶的汽车检测。在操纵和抓住过程的最后,引入深度强化学习,在这一领域开辟了新的视野,最近的研究表明,机器人只需2.5小时的训练,就能学会如何打开门!

  Q:对于未来几年的研究人员和科学家来说,你认为哪些挑战最有意义?

  A:从鲁棒性和安全性的角度来看,将在生产环境中深度学习与智能机器人融合,实现与人类并肩工作是非常具有挑战性和棘手性。举例来说,具有99%精度的行人探测器的无人驾驶汽车都是不能上路的,因为这意味着,在100名行人中,无人驾驶汽车都可能会错过检测到一个行人。

  实现完全、独立、端到端机器学习的机器人解决方案,又可以与人类交互,需要完全准确、稳健和稳定的算法,几乎不会错误一次。这是该领域最有趣和最具挑战性的任务之一。

  Q:在未来的几年里,你认为哪些行业受机器学习影响最大?

  A:软件和技术行业正在迅速发展,离硬编码和启发式的经典算法的开发原来越远。大多数科技公司意识到,机器学习带来的价值有多大。公司应采用完整的团队,聘任相应机构,使决策者和软件工程师能够在日常工作中利用机器学习。

  Q:Amazon Robotics未来将会看到什么?

  A:Amazon Robotics正朝着设计全自动化物流中心的方向上发展,并继续推进自主智能生产机器人领域的研发。AmazonRobotics大规模部署机器人,一个普通的物流中心拥有超过15000个机器人,所有这些机器人都在地板上移动。Amazon Robotics是一家以客户为中心的公司,旨在尽量减少Amazon.com客户订购包装和运输的成本和时间。

  来源:RE WORK

特别声明:本文为网易自媒体平台“网易号”作者上传并发布,仅代表该作者观点。网易仅提供信息发布平台。
热门跟贴
大家都在看