NIEUWJe kunt nu naar Fox News-artikelen luisteren!
De meeste robotkoppen volgen een bekend script: een machine beheerst één klein trucje in een gecontroleerd laboratorium, en dan komt de gewaagde belofte dat alles op het punt staat te veranderen. Meestal stem ik die verhalen af. We hebben al gehoord dat robots de macht overnemen sinds het begin van sciencefiction echte robots worstelen nog steeds met fundamentele flexibiliteit. Deze keer voelde anders.
Meld u aan voor mijn GRATIS CyberGuy-rapport
Ontvang mijn beste technische tips, dringende beveiligingswaarschuwingen en exclusieve aanbiedingen rechtstreeks in uw inbox. Bovendien krijg je direct toegang tot mijn Ultimate Scam Survival Guide – gratis als je lid wordt van mijn CYBERGUY.COM nieuwsbrief.
ELON MUSK PEST EEN TOEKOMST VAN ROBOTS
Onderzoekers benadrukken de mijlpaal die laat zien hoe een robot in slechts één dag duizend taken uit de echte wereld leerde. (Wetenschapsrobotica)
Hoe robots op één dag duizend fysieke taken leerden
Een nieuw rapport gepubliceerd in Science Robotics trok onze aandacht omdat de resultaten op de beste manier echt betekenisvol, indrukwekkend en een beetje verontrustend aanvoelen. Het onderzoek is afkomstig van een team van academische wetenschappers die werkzaam zijn in de robotica kunstmatige intelligentieen het pakt een van de grootste beperkingen van het vakgebied aan.
De onderzoekers leerden een robot om op één dag duizend verschillende fysieke taken te leren met slechts één demonstratie per taak. Dit waren geen kleine variaties op dezelfde beweging. De taken omvatten het plaatsen, vouwen, invoegen, grijpen en manipuleren van alledaagse voorwerpen in de echte wereld. Voor robotica is dat een groot probleem.
Waarom robots altijd langzame leerlingen zijn geweest
Tot nu toe was het aanleren van fysieke taken aan robots pijnlijk inefficiënt. Zelfs eenvoudige acties vereisen vaak honderden of duizenden demonstraties. Ingenieurs moeten enorme datasets verzamelen en systemen achter de schermen verfijnen. Dat is de reden waarom de meeste fabrieksrobots één beweging eindeloos herhalen en falen zodra de omstandigheden veranderen. Mensen leren anders. Als iemand je een of twee keer laat zien hoe je iets moet doen, kom je er meestal wel uit. Die kloof tussen het leren van mensen en het leren van robots heeft de robotica decennia lang tegengehouden. Dit onderzoek heeft tot doel deze kloof te dichten.
DE NIEUWE ROBOT DIE Klussen TOT HET VERLEDEN KAN MAKEN
Het onderzoeksteam achter de studie richt zich op het leren van robots om fysieke taken sneller en met minder data te leren. (Wetenschapsrobotica)
Hoe de robot zo snel duizend taken leerde
De doorbraak komt van een slimmere manier om robots te leren leren van demonstraties. In plaats van hele bewegingen te onthouden, verdeelt het systeem taken in eenvoudiger fasen. De ene fase richt zich op het afstemmen op het object, terwijl de andere fase de interactie zelf verzorgt. Deze methode is gebaseerd op kunstmatige intelligentie, met name een AI-techniek die imitatieleren wordt genoemd en waarmee robots fysieke taken kunnen leren van menselijke demonstraties.
De robot hergebruikt vervolgens kennis uit eerdere taken en past deze toe op nieuwe taken. Dankzij deze op retrieval gebaseerde aanpak kan het systeem generaliseren in plaats van elke keer opnieuw te beginnen. Met behulp van deze methode, genaamd Multi-Task Trajectory Transfer, trainden de onderzoekers een echte robotarm op 1000 verschillende dagelijkse taken in minder dan 24 uur menselijke demonstratietijd.
Belangrijk is dat dit niet in een simulatie is gebeurd. Het gebeurde in de echte wereld, met echte objecten, echte fouten en echte beperkingen. Dat detail is belangrijk.
Waarom dit onderzoek anders voelt
Veel roboticapapieren zien er op papier indrukwekkend uit, maar vallen buiten perfecte laboratoriumomstandigheden uit elkaar. Deze valt op omdat het systeem is getest tijdens duizenden real-world implementaties. De robot liet ook zien dat hij nieuwe objectinstanties aankon die hij nog nooit eerder had gezien. Dat vermogen om te generaliseren is wat robots hebben gemist. Het is het verschil tussen een machine die herhaalt en een machine die zich aanpast.
AI VIDEO TECH SNELLE TRACKS HUMANOID ROBOT TRAINING
De robotarm oefent alledaagse bewegingen zoals het grijpen, vouwen en plaatsen van voorwerpen met één enkele menselijke demonstratie. (Wetenschapsrobotica)
Een al lang bestaand robotica-probleem kan eindelijk barsten
Dit onderzoek richt zich op een van de grootste knelpunten in de robotica: inefficiënt leren uit demonstraties. Door taken op te splitsen en kennis te hergebruiken, bereikte het systeem een orde van grootte verbetering in data-efficiëntie vergeleken met traditionele benaderingen. Dat soort sprongen gebeuren zelden van de ene op de andere dag. Het suggereert dat de met robots gevulde toekomst waar we al jaren over praten wellicht dichterbij is dan het er zelfs maar een paar jaar geleden uitzag.
Wat dit voor jou betekent
Sneller leren verandert alles. Als robots minder data en minder programmering nodig hebben, worden ze goedkoper en flexibeler. Dat opent de deur voor robots die buiten streng gecontroleerde omgevingen werken.
Op de lange termijn zou dit thuisrobots in staat kunnen stellen nieuwe taken te leren van eenvoudige demonstraties in plaats van van specialistische code. Het heeft ook een grote gevolgen voor de gezondheidszorg, logistiek en productie.
Meer in het algemeen duidt het op een verschuiving in de kunstmatige intelligentie. We stappen af van flitsende trucjes en gaan in de richting van systemen die op meer menselijke manieren leren. Niet slimmer dan mensen. Gewoon dichter bij hoe we feitelijk dagelijks te werk gaan.
Doe mijn quiz: Hoe veilig is uw online veiligheid?
Denkt u dat uw apparaten en gegevens echt beschermd zijn? Doe deze korte quiz om te zien waar uw digitale gewoonten staan. Van wachtwoorden tot Wi-Fi-instellingen: u krijgt een persoonlijk overzicht van wat u goed doet en wat verbetering behoeft. Doe hier mijn quiz: Cyberguy.com
KLIK HIER OM DE FOX NEWS-APP TE DOWNLOADEN
De belangrijkste inzichten van Kurt
Dat robots duizend taken per dag leren, betekent niet dat je huis morgen een mensachtige helper zal hebben. Toch vertegenwoordigt het echte vooruitgang in een probleem dat de robotica al tientallen jaren beperkt. Wanneer machines meer als mensen gaan leren, verandert het gesprek. De vraag verschuift van wat robots kunnen herhalen naar wat ze vervolgens kunnen aanpassen. Die verschuiving is de moeite waard om aandacht aan te besteden.
Als robots nu net als wij kunnen leren, welke taken zou je iemand dan in je eigen leven toevertrouwen? Laat het ons weten door ons te schrijven op Cyberguy.com
Meld u aan voor mijn GRATIS CyberGuy-rapport
Ontvang mijn beste technische tips, dringende beveiligingswaarschuwingen en exclusieve aanbiedingen rechtstreeks in uw inbox. Bovendien krijg je direct toegang tot mijn Ultimate Scam Survival Guide – gratis als je lid wordt van mijn CYBERGUY.COM nieuwsbrief.
Copyright 2025 CyberGuy.com. Alle rechten voorbehouden.
