Skip to content

搞英语 → 看世界

翻译英文优质信息和名人推特

Menu
  • 首页
  • 作者列表
  • 独立博客
  • 专业媒体
  • 名人推特
  • 邮件列表
  • 关于本站
Menu

丰田研究所的机器人离家出走

Posted on 2023-02-17

“我想我可能和其他人一样有罪,”丰田研究院 (TRI) 机器人技术高级副总裁 Max Bajracharya 承认。 “就像,现在我们的 GPU 更好了。哦,我们有机器学习,现在你知道我们可以做到这一点。哦,好吧,也许这比我们想象的要难。”

当然,雄心是这项工作的一个重要方面。但也有一个盛大的、不可避免的传统,那就是重新学习错误。房间里最聪明的人可以告诉你一百万次为什么一个特定的问题没有得到解决,但你仍然很容易说服自己这一次——有了合适的人和合适的工具——事情会有所不同。

就 TRI 的内部机器人团队而言,不可能完成的任务就是回家。在该类别中缺乏成功并不是因为缺乏尝试。几代机器人专家一致认为,有很多问题有待自动化,但迄今为止,成功的案例有限。除了机器人吸尘器之外,几乎没有什么突破。

TRI 的机器人团队长期以来一直将家庭作为主要关注点。这在很大程度上是因为它选择老年护理作为“北极星”,原因与日本公司在该类别中遥遥领先于世界其他国家的原因相同。日本是世界上 65 岁以上公民比例最高的国家——仅次于西欧人口不到 40,000 的微型国家摩纳哥。

在我们的健康和保健与我们的工作能力密切相关的世界中,这是一个近乎危机的问题。正是这种事情让耶鲁大学的助理教授登上了《纽约时报》的头条,因为他们建议集体自杀。这显然是最耸人听闻的“解决方案”,但它仍然是寻找有意义的解决方案的问题。因此,许多日本机器人专家转向机器人技术和自动化来解决家庭医疗保健、食物准备甚至孤独等问题。

图片来源: Brian Heater

早期专业制作的视频展示了家庭中的机器人技术,它们执行复杂的任务,例如烹饪和清洁各种表面。当 TRI 本周打开其南湾实验室的大门以选择媒体展示其一系列不同的项目时,家庭元素明显缺乏。 Bajracharya 展示了一对机器人。第一个是经过改装的现成手臂,可以将箱子从一堆堆移到附近的传送带上,这是一个专为卸载卡车而设计的演示——这是在工业仓库环境中实现自动化的更困难的任务之一。

第二个是去购物的轮式机器人。与仓库示例中的标准零件和改进的夹具不同,该系统主要是出于必要而在内部设计的。机器人被派出去根据条形码和大致位置检索货架上的不同产品。该系统能够扩展到最上面的架子来寻找物品,然后确定最佳方法来抓取各种不同的物品并将它们放入篮子中。该系统是该团队远离家庭专用机器人的支点的产物。

图片来源: Brian Heater

两个机器人的旁边是一个模拟厨房,其墙壁顶部配置了一个龙门系统。一个类人机器人倒在地上,一动不动,毫无生气。它在演示期间未被确认,但对于看过该团队早期概念视频的任何人来说,该系统看起来都很熟悉。

“家太难了,”Bajracharya 说。 “我们选择挑战任务是因为它们很难。家的问题不在于它太难了。这是因为很难衡量我们正在取得的进展。我们尝试了很多东西。我们试图在程序上弄得一团糟。我们会把面粉和大米放在桌子上,我们会试着把它们擦干净。我们会把东西放在整个房子里,让机器人保持整洁。我们部署到 Airbnbs 是为了看看我们做得如何,但问题是我们无法每次都得到相同的家。但如果我们这样做,我们就会过度适应那个家。”

搬进超市是为了解决更有条理的环境,同时仍然解决老年人社区的紧迫问题。在测试产品时,该团队已从 Airbnbs 转移到当地一家夫妻杂货店。

图片来源: Brian Heater

“老实说,挑战性问题并不重要,”Bajracharya 解释道。 “DARPA 机器人挑战赛,那些只是编造出来的艰巨任务。我们的挑战任务也是如此。我们喜欢这个家,因为它代表了我们最终希望在家中帮助人们的地方。但它不一定是家。杂货市场是一个很好的代表,因为它具有巨大的多样性。”

在这种情况下,在这种情况下提出的一些经验确实可以转化为丰田更广泛的需求。

确切地说,对于这种性质的团队来说,什么构成进步是一个难以回答的问题。然而,这肯定是最重要的,因为大公司已经开始削减尚未交付有形的、可货币化的结果的长尾研究项目中的角色。当我昨天向 Gill Pratt 提问时,TRI 的老板告诉我:

丰田是一家努力不让就业跟随商业周期的公司。汽车行业一直有繁荣和萧条。你可能知道,丰田的历史就是在困难时期尽量不裁员,而是经历几件事。一种是共同牺牲,人们承担起这项事业。第二是利用这些时间投资于维护、计划和教育,以帮助人们接受培训。

图片来源: Brian Heater

丰田以其“不裁员”政策而闻名于业界。当然,这是一个令人钦佩的目标,尤其是在像谷歌和亚马逊这样的公司正处于数以万计的裁员之中时。但是当目标更加抽象时,就像 TRI 和其他研究部门的情况一样,公司如何衡量相关的里程碑?

“我们在家里取得了进展,但没有我们搬到杂货店时那么快,也没有那么明显,”这位高管解释道。 “当我们搬到杂货店时,你做得有多好以及你系统中真正的问题是什么真的变得非常明显。然后你就可以真正专注于解决这些问题。当我们参观丰田的物流和制造设施时,我们看到了所有这些机会,它们基本上都是杂货店购物的挑战,只是有一点不同。现在,零件不再是杂货,而是配送中心的所有零件。”

Bajracharya 补充说,正如研究项目的性质一样,有时有益的结果是出乎意料的:“这些项目仍在研究我们最终如何在家中增强人们的能力。但随着时间的推移,当我们选择这些具有挑战性的任务时,如果出现适用于这些其他领域的事情,那就是我们使用这些短期里程碑来展示我们正在进行的研究进展的地方。”

将此类突破产品化的道路有时也可能是模糊的。

“我相信我们现在有点了解景观,”Bajracharya。 “也许我一开始就天真地认为,好吧,我们只需要找到这个人,我们就会把技术交给第三方或丰田内部的某个人。但我认为我们了解到的是,无论它是什么——无论是业务部门、公司,还是像初创公司或丰田内部的部门——它们似乎都不存在。”

分拆初创公司——类似于 Alphabet 对其 X 实验室所做的事情——当然是摆在桌面上的,尽管它不太可能成为产品化的主要途径。然而,这条道路最终将采取何种形式仍不清楚。尽管机器人技术作为一个类别目前比 2017 年 TRI 成立时更可行。

“在过去的五年里,我觉得我们在这个非常具有挑战性的问题上取得了足够的进展,我们现在开始看到它变成了这些现实世界的应用程序,”Bajracharya 说。 “我们有意识地转变了。我们仍然有 80% 通过研究推动最先进的技术水平,但我们现在已经分配了大约 20% 的资源来确定该研究是否像我们认为的那样好,以及它是否可以应用于实际-世界应用。我们可能会失败。我们可能会意识到我们认为我们取得了一些有趣的突破,但它还不够可靠或不够快。但我们将 20% 的努力用于尝试。”

丰田研究院的机器人离开家作者: Brian Heater最初发表于TechCrunch

原文: https://techcrunch.com/2023/02/16/toyota-research-institutes-robots-leave-home/

本站文章系自动翻译,站长会周期检查,如果有不当内容,请点此留言,非常感谢。
  • Abhinav
  • Abigail Pain
  • Adam Fortuna
  • Alberto Gallego
  • Alex Wlchan
  • Anil Dash
  • Answer.AI
  • Arne Bahlo
  • Ben Carlson
  • Ben Kuhn
  • Bert Hubert
  • Big Technology
  • Bits about Money
  • Brandon Skerritt
  • Brian Krebs
  • ByteByteGo
  • Chip Huyen
  • Chips and Cheese
  • Christopher Butler
  • Colin Percival
  • Cool Infographics
  • Dan Sinker
  • David Walsh
  • Dmitry Dolzhenko
  • Dustin Curtis
  • eighty twenty
  • Elad Gil
  • Ellie Huxtable
  • Ethan Dalool
  • Ethan Marcotte
  • Exponential View
  • FAIL Blog
  • Founder Weekly
  • Geoffrey Huntley
  • Geoffrey Litt
  • Greg Mankiw
  • HeardThat Blog
  • Henrique Dias
  • Herman Martinus
  • Hypercritical
  • IEEE Spectrum
  • Investment Talk
  • Jaz
  • Jeff Geerling
  • Jonas Hietala
  • Josh Comeau
  • Lenny Rachitsky
  • Li Haoyi
  • Liz Danzico
  • Lou Plummer
  • Luke Wroblewski
  • Maggie Appleton
  • Matt Baer
  • Matt Stoller
  • Matthias Endler
  • Mert Bulan
  • Mind Matters
  • Mostly metrics
  • Naval Ravikant
  • News Letter
  • NextDraft
  • Non_Interactive
  • Not Boring
  • One Useful Thing
  • Phil Eaton
  • Product Market Fit
  • Readwise
  • ReedyBear
  • Robert Heaton
  • Rohit Patel
  • Ruben Schade
  • Sage Economics
  • Sam Altman
  • Sam Rose
  • selfh.st
  • Shtetl-Optimized
  • Simon schreibt
  • Slashdot
  • Small Good Things
  • Steph Ango
  • Stephen Wolfram
  • Steve Blank
  • Taylor Troesh
  • Telegram Blog
  • The Macro Compass
  • The Pomp Letter
  • thesephist
  • Thinking Deep & Wide
  • Tim Kellogg
  • Understanding AI
  • Wes Kao
  • 英文媒体
  • 英文推特
  • 英文独立博客
©2025 搞英语 → 看世界 | Design: Newspaperly WordPress Theme