awal pekan ini, Toyota Research Institute membuka pintu kantornya di Bay Area untuk pertama kalinya bagi anggota media. Itu adalah hari yang penuh dengan demo, mulai dari simulator mengemudi dan instruktur drifting hingga perbincangan seputar pembelajaran mesin dan keberlanjutan.
Robotika, fokus lama divisi penelitian Toyota, juga dipamerkan. SVP Max Bajracharya memamerkan sepasang proyek. Pertama adalah sesuatu yang lebih sesuai dengan apa yang diharapkan dari Toyota: lengan industri dengan gripper yang dimodifikasi yang dirancang untuk tugas yang sangat rumit memindahkan kotak dari bagian belakang truk ke sabuk konveyor terdekat – sesuatu yang diharapkan sebagian besar pabrik untuk diotomatisasi. masa depan.
Yang lainnya sedikit lebih mengejutkan – setidaknya bagi mereka yang belum mengikuti pekerjaan divisi itu dengan cermat. Robot belanja mengambil berbagai produk di rak berdasarkan kode batang dan lokasi umum. Sistem dapat meluas ke rak paling atas untuk menemukan item, sebelum menentukan metode terbaik untuk menangkap berbagai objek yang berbeda dan memasukkannya ke dalam keranjangnya.
Sistem ini merupakan pengembangan langsung dari fokus tim robotika beranggotakan 50 orang pada perawatan lansia, yang ditujukan untuk mengatasi populasi lanjut usia di Jepang. Namun, itu mewakili poros dari pekerjaan asli mereka membangun robot yang dirancang untuk melakukan tugas-tugas rumah tangga seperti mencuci piring dan menyiapkan makanan.
Anda dapat membaca artikel yang lebih panjang tentang pivot itu di artikel yang diterbitkan di TechCrunch awal pekan ini. Itu diambil dari percakapan dengan Bajracharya, yang kami cetak lebih lengkap di bawah ini. Perhatikan bahwa teks telah diedit untuk kejelasan dan panjangnya.
Max Bajracharya: Kami masih melakukan beberapa hal robot rumah[…] Apa yang telah kami lakukan telah berubah. Rumah adalah salah satu tugas tantangan awal kami.
Eldercare adalah pilar pertama.
Sangat. Salah satu hal yang kami pelajari dalam proses itu adalah kami tidak dapat mengukur kemajuan kami dengan sangat baik. Rumahnya begitu keras. Kami memilih tugas tantangan karena itu sulit. Masalah dengan rumah bukanlah karena terlalu sulit. Itu terlalu sulit untuk mengukur kemajuan yang kami buat. Kami mencoba banyak hal. Kami mencoba membuat kekacauan secara prosedural. Kami akan menaruh tepung dan nasi di atas meja dan kami akan mencoba mengelapnya. Kami akan meletakkan barang-barang di seluruh rumah untuk membuat robot itu rapi. Kami menerapkan ke Airbnbs untuk melihat seberapa baik yang kami lakukan, tetapi masalahnya adalah kami tidak bisa mendapatkan rumah yang sama setiap saat. Tetapi jika kami melakukannya, kami akan menyesuaikan diri dengan rumah itu.
Bukankah itu ideal jika Anda tidak mendapatkan rumah yang sama setiap saat?
Tepat, tetapi masalahnya adalah kami tidak dapat mengukur seberapa baik yang kami lakukan. Katakanlah kita sedikit lebih baik dalam merapikan rumah yang satu ini, kita tidak tahu apakah itu karena kemampuan kita menjadi lebih baik atau rumah itu sedikit lebih mudah. Kami melakukan standar, “tunjukkan demo, tunjukkan video keren. Kami belum cukup baik, ini video yang keren.” Kami tidak tahu apakah kami membuat kemajuan yang baik atau tidak. Tugas tantangan belanjaan yang kami katakan, kami membutuhkan lingkungan yang sekeras rumah atau memiliki masalah perwakilan yang sama dengan rumah, tetapi tempat kami dapat mengukur seberapa banyak kemajuan yang kami buat.
Anda tidak berbicara tentang tujuan khusus baik untuk rumah atau supermarket, tetapi memecahkan masalah yang dapat menjangkau kedua tempat tersebut.
Atau bahkan hanya mengukur apakah kita mendorong teknologi canggih dalam robotika. Apakah kita mampu melakukan persepsi, perencanaan gerak, perilaku yang sebenarnya merupakan tujuan umum. Sejujurnya, jenis masalah tantangan tidak masalah. Tantangan Robotika DARPA, itu hanya tugas buatan yang sulit. Itu juga berlaku untuk tugas tantangan kami. Kami menyukai rumah karena mewakili tempat kami pada akhirnya ingin membantu orang di rumah. Tapi itu tidak harus rumah. Pasar grosir adalah representasi yang sangat bagus karena memiliki keragaman yang sangat besar.
Namun, ada rasa frustrasi. Kami tahu betapa sulitnya tantangan ini dan seberapa jauh hal itu, tetapi beberapa orang secara acak melihat video Anda, dan tiba-tiba itu adalah sesuatu yang berada di balik cakrawala, meskipun Anda tidak dapat mengirimkannya.Sangat. Itulah mengapa Gill [Pratt] selalu berkata, ‘tekankan kembali mengapa ini adalah tugas yang menantang.’
Bagaimana Anda menerjemahkannya ke orang normal? Orang normal tidak terpaku pada tugas tantangan.
Tepat sekali, tetapi itulah mengapa dalam demonstrasi yang Anda lihat hari ini, kami mencoba menunjukkan tugas tantangan, tetapi juga salah satu contoh bagaimana Anda mengambil kemampuan yang muncul dari tantangan tersebut dan menerapkannya ke aplikasi nyata seperti membongkar kontainer. Itu adalah masalah nyata. Kami pergi ke pabrik dan mereka berkata, ‘ya, ini masalah. Bisakah Anda membantu kami?’ Dan kami berkata, ya, kami memiliki teknologi yang sesuai untuk itu. Jadi sekarang kami mencoba untuk menunjukkan bahwa keluar dari tantangan ini adalah beberapa terobosan yang menurut kami penting, dan kemudian menerapkannya ke aplikasi nyata. Dan saya pikir itu telah membantu orang memahaminya, karena mereka melihatnya tahap kedua.
Seberapa besar tim robotika?
Pembagiannya sekitar 50 orang terbagi rata antara sini dan Cambridge, Massachusetts.
Anda memiliki contoh seperti Tesla dan Figure, yang mencoba membuat robot humanoid serba guna. Anda tampaknya menuju ke arah yang berbeda.
Sedikit. Sesuatu yang kami amati adalah bahwa dunia dibangun untuk manusia. Jika Anda baru saja mendapatkan batu tulis kosong, Anda mengatakan saya ingin membuat robot untuk bekerja di ruang manusia. Anda cenderung berakhir dengan proporsi manusia dan kemampuan tingkat manusia. Anda berakhir dengan kaki dan lengan manusia, bukan karena itu solusi optimal. Itu karena dunia telah dirancang di sekitar orang.
Bagaimana cara mengukur milestone? Seperti apa kesuksesan bagi tim Anda?
Pindah dari rumah ke toko kelontong adalah contoh yang bagus untuk itu. Kami membuat kemajuan di rumah tetapi tidak secepat dan sejelas saat kami pindah ke toko bahan makanan. Saat kami pindah ke toko bahan makanan, menjadi sangat jelas seberapa baik Anda melakukannya dan apa masalah sebenarnya yang ada di sistem Anda. Dan kemudian Anda dapat benar-benar fokus untuk memecahkan masalah tersebut. Saat kami mengunjungi fasilitas logistik dan manufaktur Toyota, kami melihat semua peluang ini yang pada dasarnya merupakan tantangan belanja bahan makanan, kecuali sedikit berbeda. Sekarang, bagiannya bukan bagian barang belanjaan, bagiannya adalah semua bagian di pusat distribusi.
Anda mendengar dari 1.000 orang yang Anda kenal, robot rumahan sangat sulit, tetapi kemudian Anda merasa harus mencobanya sendiri dan kemudian Anda suka, sungguh, Anda membuat semua kesalahan yang sama seperti yang mereka lakukan.
Saya pikir saya mungkin sama bersalahnya dengan orang lain. Ini seperti, sekarang GPU kami lebih baik. Oh, kami mendapat pembelajaran mesin dan sekarang Anda tahu kami bisa melakukan ini. Oh, oke, mungkin itu lebih sulit dari yang kita duga.
Sesuatu harus memberi tip di beberapa titik.
Mungkin. Saya pikir ini akan memakan waktu lama. Sama seperti mengemudi otomatis, menurut saya tidak ada peluru perak. Tidak hanya seperti hal ajaib ini, itu akan menjadi ‘oke, sekarang kita menyelesaikannya.’ Itu akan terkikis, terkikis, secara bertahap. Itulah mengapa penting untuk memiliki peta jalan semacam itu dengan garis waktu yang lebih pendek, Anda tahu, pencapaian yang lebih pendek atau lebih pendek yang memberi Anda sedikit kemenangan, sehingga Anda dapat terus mengerjakannya untuk benar-benar mencapai visi jangka panjang tersebut.
Bagaimana proses untuk benar-benar menghasilkan salah satu dari teknologi ini?
Itu pertanyaan yang sangat bagus yang kami coba jawab sendiri. Saya yakin kita agak memahami lanskapnya sekarang. Mungkin saya naif pada awalnya berpikir bahwa, oke, kita hanya perlu menemukan orang ini yang akan kita serahkan teknologinya ke pihak ketiga atau seseorang di dalam Toyota. Tapi saya pikir kita telah belajar bahwa, apa pun itu – apakah itu unit bisnis, atau perusahaan, atau seperti startup atau unit di dalam Toyota – sepertinya tidak ada. Jadi, kami mencoba mencari cara untuk berkreasi dan saya kira begitulah kisah TRI-AD, sedikit juga. Itu dibuat untuk mengambil penelitian mengemudi otomatis yang kami lakukan dan menerjemahkannya menjadi sesuatu yang lebih nyata. Kami memiliki masalah yang sama dalam robotika, dan di banyak teknologi canggih yang sedang kami kerjakan.
Komentar ditutup.