› 選擇地區
三藩市
紐約
洛杉磯
其他美國地區
香港 台灣 北美
 
2017年09月24日

【專題籽】攞痰罐刷都要AI 亞馬遜貨倉機械人Kiva成棟搬

【專題籽:一周突襲】
數月前在日本名古屋舉行的機械人世界盃大賽(RoboCup),現場有許多項目的賽事,另一個能充份體現人機之分的賽事,乃是亞馬遜機械人挑戰賽(Amazon Robotics Challenge)。賽事總獎金高達25萬美元(約195萬港元),在旁看機械臂動作生硬的提取日用品,不禁會懷疑:拿痰罐刷、牙刷、文件夾而已,有幾難呀?

相關新聞:【專題籽】當機械人也踢世界盃 唔係得啖笑

近年,亞馬遜亦加入了人工智能(AI)機械人研發戰圈,2012年收購了機械人公司Kiva Systems(前文提及研發知名Kiva機械人的公司)後,成立了亞馬遜機械人(Amazon Robotics),希望研發具效率的機械人系統,應付其貨倉運作,減低成本。但哪怕Kiva機械人聞名全球,它們在倉庫搬運貨架的短片常被瘋傳。直至今天,機械人只能運送一整棟貨架;要在貨架裏揀選正確貨物,仍須靠人手。在這比賽,亞馬遜機械人共有16個世界各地專業研究單位(如麻省理工和普林斯頓大學的聯隊、奈良先端科學技術大學院大學與Panasonic組成的隊伍、南洋理工大學等)。各隊用自行研發的人工智能機械臂從貨架中,夾取特定貨物裝入貨箱(Pick Task),亦要讓機械臂從貨物中取出指定貨物放到貨架上(Stow Task)。

精密的人類雙手

「拿起一張紙,跟拿起一個塑膠水樽,跟拿起一杯裝有水的水杯,我們手部的動作已經很不一樣。用拿水杯的方法去拿起張紙,其實紙張可能會被弄破。『拿東西』其實很複雜,我們不自覺地先用眼睛、皮膚等感官去分析數據、確認那是怎麼樣的物件,再用我們那很精妙的手,以相應的手指和力度握實物件。我們常見小朋友四處摸東西抓東西,起初往往拿不穩的,但慢慢就學會,其實那是一個累積經驗的過程。然而要讓人工智能掌握這些難以言喻的微妙分別,不會力度太大弄爛貨物,又不會太輕力摔壞貨物,那是非常困難。」在現場的亞馬遜機械人首席技術總監(Chief Technologist)Tye Brady向我解釋,讓機械人永遠夾取特定東西,它們表現一定比人類好;然而貨倉物件成千上萬,如何讓它們辨認正確物件、再用正確的方法拿到,仍然是人工智能機械人研究的一大難題。
早期科學家「教」機械人執行任務,必須要把任務寫成一板一眼的規則,讓電腦執行。然而身在現實世界,太多事情無法被寫成規則(例如用適當的方法拿東西),而近年被廣為談論、模仿人類神經網絡的機械學習(或更精密的深度學習)則可大派用場。

機械臂也是創作

今次比賽成績大躍進的新加坡南洋理工大學的團隊(2015年第9;今年第3名)的機器人技術研發工程師張征豪就向我解釋機器學習的過程。例如為了讓機械臂認出「牙刷」,他們會為程式輸入幾千張不同的「牙刷」照片,讓電腦從海量數據中,自行歸納「牙刷」的關鍵特徵(而非直接給電腦定義何謂牙刷)。訓練若成功,往後機械臂看到任何具「牙刷」特徵的東西(哪怕是未曾出現在訓練數據中)該能認出牙刷,並用相應方法拿起它。同樣道理,他們會用相同方法訓練系統辨認其他物品。這正是人類掌握概念的方法——我們不必看遍地球上每一隻「牙刷」,卻有能力認出它們。
當然,說得輕鬆,實踐卻極高難度,「神經網絡、人工智能等等,我們都很清楚,但把它放在充滿限制的現實世界又是另一回事。」研究團隊的陳義明教授說:「例如CPU(電腦處理器)運算夠快嗎?若要花幾分鐘才辨認到物件,那根本不可能被應用。這是做研究最困難,也是最有趣味的地方。」另一位團隊研究員Albert Causo亦補充說,「哪怕機械人研究,每天都要對着機器,旁人以為很枯燥。其實它是一門創作,從無到有,開發一套系統,這一點很有滿足感。」

採訪:李寶怡
攝影:潘志恆
編輯:施明慧

精挑細味 籽想好食,即like「籽想好食」FB專頁!
返回最頂
壹傳媒: 香港 台灣 | 私隱聲明 服務條款 刊登廣告 聯絡我們 招聘
© 2019 AD Internet Limited. All rights reserved. 版權所有 不得轉載