Maak kennis met de Chinese startup die AI en een team van menselijke werknemers gebruikt om robots te trainen

AgiBot, een bedrijf in humanoïde robotica dat is gevestigd in Shanghai, heeft een manier ontwikkeld waarmee robots met twee armen productietaken kunnen leren via menselijke training en praktijkervaring op een productielijn in een fabriek.

Het bedrijf zegt dat zijn systeem, dat teleoperatie en reinforcement learning combineert, wordt getest op een productielijn van Longcheer Technology, een Chinees bedrijf dat smartphones, VR-headsets en andere elektronische gadgets produceert.

Het project van AgiBot laat zien hoe geavanceerdere AI de mogelijkheden van industriële machines begint te veranderen – een innovatie die mogelijk nieuwe productiesectoren in China en elders zal binnendringen. Deze trend kan de productiviteit in de productie verhogen en ervoor zorgen dat producten met minder laagbetaalde menselijke arbeidskrachten kunnen worden gemaakt. Dit zou ertoe kunnen leiden dat sommige banen verdwijnen, maar er ook nieuwe ontstaan.

Robots worden veel gebruikt in fabrieken voor klusjes zoals het tillen van dozen en het verplaatsen van bakken. Maar het werk dat nodig is om bijvoorbeeld een iPhone te monteren, vereist behendigheid, een goed gevoel en aanpassingsvermogen – dingen die robots over het algemeen missen. Hoewel AI steeds vaker wordt gebruikt om robots te helpen bij dingen zoals het herkennen van items die over lopende banden bewegen en het bepalen hoe ze die moeten vastpakken, is het nog geen betrouwbaar hulpmiddel om ze te trainen in complexe manipulatie.

AgiBot G2 in actie.

Met dank aan AgiBot

Yuheng Feng, vertegenwoordiger van AgiBot, zegt dat de robot die in de fabriek in Longcheer wordt ingezet, onderdelen uit een machine haalt die tests uitvoert en ze vervolgens op een productielijn plaatst. Dit zijn taken die robots aankunnen omdat er geen fijne manipulatie of het werken met buigzame of kwetsbare onderdelen bij komt kijken.

De echte vraag is hoe effectief de algoritmen van AgiBot zijn robots nieuwe trucjes kunnen leren. Het gebruik van reinforcement learning om een ​​robot taken te leren die improvisatie vereisen, vereist over het algemeen veel trainingsdata, en studies tonen aan dat dit niet volledig binnen een simulatie kan worden geperfectioneerd.

AgiBot versnelt het leerproces doordat een menselijke medewerker de robot door een taak leidt, wat de basis legt om vervolgens zelfstandig te leren. Voordat hij AgiBot mede oprichtte, deed hoofdwetenschapper Jianlan Luo baanbrekend onderzoek aan UC Berkeley, waaronder een project waarbij robots vaardigheden leerden door middel van reinforcement learning met een mens in de loop. Dat systeem werd getoond terwijl het taken uitvoerde, waaronder het plaatsen van componenten op een moederbord.

Feng zegt dat de leersoftware van AgiBot, Real-World Reinforcement Learning genaamd, slechts ongeveer tien minuten nodig heeft om een ​​robot te trainen voor een nieuwe taak. Snel leren is belangrijk omdat productielijnen vaak van week tot week veranderen, of zelfs tijdens dezelfde productierun, en robots die een nieuwe stap snel onder de knie krijgen, zich snel kunnen aanpassen aan menselijke werknemers.

Het op deze manier trainen van robots vereist veel menselijke inspanning. AgiBot heeft een robotica-leercentrum waar mensen worden betaald om robots op afstand te bedienen en AI-modellen te helpen nieuwe vaardigheden te leren. De vraag naar dit soort robottrainingsdata groeit. Sommige Amerikaanse bedrijven betalen werknemers in landen zoals India om handmatig werk te doen dat als trainingsdata dient.

Jeff Schneider, roboticus aan Carnegie Mellon University die zich bezighoudt met reinforcement learning, zegt dat AgiBot gebruikmaakt van geavanceerde technieken en taken met hoge betrouwbaarheid zou moeten kunnen automatiseren. Schneider voegt eraan toe dat andere roboticabedrijven waarschijnlijk experimenteren met het gebruik van reinforcement learning voor productietaken.

AgiBot is een rijzende ster in China, waar de interesse in de combinatie van AI en robotica sterk toeneemt. Het bedrijf ontwikkelt AI-modellen voor verschillende soorten robots, waaronder mensachtige robots die rondlopen en robotarmen die op één plek blijven.

Close-up van AgiBot G2 die een precisietaak uitvoert na de training.

Met dank aan AgiBot

De AI-gestuurde leerlus van AgiBot is precies het soort technologie dat Amerikaanse bedrijven mogelijk onder de knie moeten krijgen als ze meer productie willen terughalen. Een aantal Amerikaanse startups is momenteel bezig met het verfijnen van algoritmen voor nieuwe vormen van robo learning. Hieronder vallen onder andere Physical Intelligence , een zwaar gesteunde startup die mede is opgericht door onderzoekers die aan hetzelfde project werkten als Luo aan UC Berkeley, en Skild , een spin-off van Carnegie Mellon University die onlangs robotalgoritmen demonstreerde die zich kunnen aanpassen aan nieuwe fysieke vormen, waaronder systemen met benen en robotarmen.

De enorme productiecapaciteit van China biedt startups daar waarschijnlijk een aantal belangrijke voordelen. Denk bijvoorbeeld aan een toeleveringsketen die snel prototypes kan maken en robots op grote schaal kan produceren, een markt die klaar is voor robotarbeid en werknemers die helpen bij het trainen van robotmodellen.

Volgens de International Federation of Robotics, een brancheorganisatie, zijn er in China al meer industriële robots in gebruik dan in enig ander land samen. Het nieuwste vijfjarenplan van de Chinese overheid, dat in september werd gepubliceerd, pleit ook voor meer technologiegedreven economische groei, met een focus op AI en robotica. Dit zal waarschijnlijk leiden tot verdere investeringen en overheidsinitiatieven gericht op de ontwikkeling van geavanceerdere robots.

Een Amerikaanse robotica-ondernemer vertelde mij onlangs dat hij zich niet echt zorgen maakt over Amerikaanse concurrenten, maar dat Chinese roboticabedrijven hem 's nachts wakker houden.

Dit is een editie van Will Knights AI Lab-nieuwsbrief . Lees hier eerdere nieuwsbrieven.