5. Коллективное обучение роботов
Облако облегчает обмен данными для обучения робота путем сбора данных из многих примеров физических испытаний и сред. Например, роботы и системы автоматизации могут поделиться исходными и необходимыми условиями, объединенными полисами и траекториями управления, и главное: данными по результирующей производительности и результатах.
Структура "Молнии" (см. рис. 10) предлагает основу для коллективного обучения роботов путем индексации траекторий от многих роботов при многих задачах и использования облачного вычисления для параллельного планирования и корректировки траектории.
Такие системы также могут быть расширены до глобальных сетей для облегчения планирования общедоступного пути, включая маршрутизацию трафика, как показано на рис. 9.
Для захватывания стабильность захвата лапчатых контактов может быть изучена из предыдущих захватов на объект. Обмен данными через коллективное обучение роботов также может улучшить возможности роботов с ограниченными вычислительными ресурсами.
Проект Мои Роботы из Магазина Роботов предлагает «социальную сеть» для роботов: "Таким же образом люди извлекают пользу от общения, сотрудничества и обмена, роботы могут извлечь выгоду из этих взаимодействий тоже слишком путем обмена своей сенсорной информацией, дающей представление об их перспективах в текущем состоянии ".
Базы данных РобоЗемли и РобоМозга в разделе III разработаны быть обновляемыми новой информацией от подключенных роботов. Проект РобоМозг "обучает из общедоступных Интернет-ресурсов, компьютерных симуляций и испытаний роботов в реальной жизни."
Кива системы используют сотни мобильных платформ для передвижения поддонов (платформ) в хранилищах, используя локальную сеть для координации движения и данные отслеживания обновлений.
Рис. 5. Архитектура системы для распознавания основанных на облаке объектов для захвата. Робот захватывает изображение объекта и отправляет через сеть к серверу распознавания объектов Google. Сервер обрабатывает изображение и возвращает данные набор объектов - кандидатов, каждый из которых с предвычисленными захватывающими опциями. Робот сравнивает возвращенные CAD модели с обнаруженной точкой облака для уточнения идентификации и выполнения предоставляемой оценки, и выбирает соответствующий захват. После выполнения захвата, данные на выходе используются для обновления моделей в облаке для будущих использований. Этот проект использует большие данные, облачное вычисление и аспекты коллективного обучения роботов в облачной робототехнике и автоматике. (Изображение воспроизводится с разрешения.)
Рис. 6. Облачно-ориентированный подход для захвата геометрической неопределенности формы. (Вверху) Неопределенность в представлении объекта и форме. (Внизу) Вычисляемое усиление захватывает. Кехо и др. используют выборку по распределениям неопределенности для нахождения нижней границы вероятности успеха для захватов.
6. Человеческие вычисления: Краудсорсинг и Колл-центры
Человеческие навыки, опыт и интуиция были использованы для решения ряда проблем, таких, как маркировка изображений для компьютерного видения, обучение ассоциациям между метками объекта и местоположениями и сбор данных. Механический турок Amazon является новаторским по запрашиваемому "краудсорсингу" с рынком, где задачи, которые превышают возможности компьютеров, могут быть исполнены человеческими рабочими. В отличие от автоматизированных телефонных систем резервирования учитывает будущий сценарий, где ошибки и исключения обнаруживаются роботом и автоматизированными системами, которые затем связываются с людьми в отдаленных колл-центрах для руководства.
Научно-исследовательские проекты изучают, как это может быть использовано для планирования пути, для определения глубины уровня, нормалей изображений, симметрии изображений и для уточнения сегментации изображения. Исследователи работают, чтобы понять модели ценообразования и применение краудсорсинга для захватывания (см. рис. 12). Решения, основанные на знаниях, были изучены также для промышленной автоматизации.
Сетевая робототехника имеет долгую историю позволения роботам быть дистанционно управляемыми людьми через Интернет, и расширенные ресурсы Облака позволяют новые исследования об удаленной работе человека (см. рис. 11).
Рис. 7. Облачный структура для навигации роботов, используя кооперативное отслеживание и картографию. Риацуэло и др. демонстрируют компьютерное интенсивное регулирование расслоения для навигации, используя одновременную локализацию и отображение (SLAM), осуществленные в Облаке. (Изображение воспроизводится с разрешения.)