深度自学是目前在视觉、语音、医疗临床和其他领域中应用于展现出最差的机器学习算法,它也有可能对机器人产业产生深远影响的影响。即便在制造业中,机器人早已被普遍用于,但是它们仍然有耗资便宜、编程艰难的问题。
对于大部分业务来说,机器人还排不上用场。 在2015年,全球范围内的工业机器人销售量仅有为250000左右,这个数量是大型计算机销售峰值的十倍。
相比之下,去年服务器和PC的销售总量分别约为1000万台和3亿台。很显著,机器人产业还正处于跟上,它必须在成本和易用性上有相当大的提高才能确实的南北主流市场。
机器人的成本曲线正在上升。ARK估算工业机器人的成本在未来十年内会上升一半,跌到至约10万美元一台。同时,一台与人协作的新品种机器人的价格约3万美元。
今天像软银的Pepper这种销售助理机器人的成本约为1万美元,还包括服务费。更加安全性更加灵活,这个新品机器人不必须安全性笼、重型设备或者专业编程。根据ABB Robotics的信息,一台工业机器人的安装程序部分只占到总成本(TCO)的三分之一。
由于机器人制造商从电子工业(如摄像头、处理器和感应器)中加到了很多部件,我们指出工业机器人的成本应当不会相似消费电子五品的价格。 在工业机器人中,提高易用性这一点比降低成本更加无以。
工业机器人必须用于工业控制系统展开准确的编程,要将任务覆没放入一系列动作和六个维度中。这些机器人没从经验中自学的能力,它们不能依赖新的程序来自学新任务,这种缺失就容许了工业机器人在可预测的和具体的任务中的应用于。 然而深度自学早已带给了变革,它将机器人变为自学机器。
不必须准确编程,机器人可以随着时间的流逝从数据和经验中自学,并能继续执行多种任务。ARK坚信在或许上,一个能捕捉货架上任何一个物品并将它放在箱子里的仓库机器人不会是很多业务的福音。
但是,没深度自学最近的突破,辨识和捕捉各种形状大小的物体完全是不有可能的。 在亚马逊的AMZN Picking Challenge的机器人捕捉挑战赛中,具有摄像头的基于视觉的机器人尝试从一个货架上随机捕捉一个物品放入箱子里。
在2015年到2016年之间,夺得比赛的机器人性能提高了三倍,之前一个小时能捕捉30个物体,现在是100个。2016年的比赛中,冠亚军都将深度自学作为其视觉和捕捉任务背后的核心算法。按照最近的性能提高速度来看,在捕捉任务上,机器人两年内就不会多达人类。
ARK坚信,给专门从事更为非常简单、更加可预测任务的机器人编程,深度自学是一个高效得多的办法。据Prefferred Networks(一家私人机器人公司)透漏,利用深度自学,机器人可以在八小时内掌控一项任务,而在过去,人类程序员要花费数天时间才能教会机器人已完成完全相同的任务。当8台机器人一起自学任务时,训练时间可以延长至1小时。
因此,在训练分开一台机器人时,深度自学的效率比人类程序员要高达五倍,而且平行训练需要将展现出提高好比一个量级。 较之传统机器人,使用将摄像头和机器人视觉融合一起的机器人不会更为低廉。因为传统机器人没视觉,因此,工作量必需准确布置出来,还经常必须反对硬件,比如固定装置。
但是,享有视觉的机器人不会用于软件并根据工作量展开调整,而不是反过来。他们还能根据新任务展开较慢编程,按照传统办法,这必须花费大量成本展开重新安排。
机器人领域的重量级公司早已作出自由选择。2015年,Fanuc,这家工业机器人制造商早已取得Preferred Network6%的股权并计划将运营深度自学的机器人划入旋即的未来。ABB,这家瑞士机器人公司也投资了Vicarious,一家享有深度自学技术的人工智能创业公司。 深度自学 深度自学还能明显不断扩大机器人目标市场,而传统机器人仅有受限于安全性笼并专门从事高度程序化的重复性工作。
深度自学驱动的协作机器人需要运营于普遍有所不同场景。因为他们可以自学新任务并在人类身边安全性运作,因此,我们指出机器人市场不会像中小型市场对外开放,比如零售、农业,更加别提家用了。
尽管我们坚信工业机器人依然是大规模制造业中的驱动力,但是,他们的单位体积不会被新的、更为灵活的机器人秒杀,就像大型机被工作站、个人电脑和智能手机秒杀一样。其结果是,机器人的装运量不会提升10到100倍。许多新的机器人有可能与今天的机器人没啥相似之处,就像智能手机与大型机几乎不像。
我们坚信,深度自学驱动下的更加小更聪明的机器人不会接管机器人市场。
本文来源:米兰app体育下载-www.svffm.com