ਰੋਬੋਟ ਏਆਈ ਦੀ ਵਰਤੋਂ ਕਿਵੇਂ ਕਰਦੇ ਹਨ? [ਵੀਡੀਓ ਅਤੇ ਕੁਇਜ਼]

ਛੋਟਾ ਜਵਾਬ: ਰੋਬੋਟ ਏਆਈ ਦੀ ਵਰਤੋਂ ਸੰਵੇਦਨਾ, ਸਮਝ, ਯੋਜਨਾਬੰਦੀ, ਕਾਰਵਾਈ ਅਤੇ ਸਿੱਖਣ ਦੇ ਇੱਕ ਨਿਰੰਤਰ ਚੱਕਰ ਨੂੰ ਚਲਾਉਣ ਲਈ ਕਰਦੇ ਹਨ, ਤਾਂ ਜੋ ਉਹ ਬੇਤਰਤੀਬ, ਬਦਲਦੇ ਵਾਤਾਵਰਣ ਵਿੱਚ ਸੁਰੱਖਿਅਤ ਢੰਗ ਨਾਲ ਹਿੱਲ ਸਕਣ ਅਤੇ ਕੰਮ ਕਰ ਸਕਣ। ਜਦੋਂ ਸੈਂਸਰਾਂ ਵਿੱਚ ਸ਼ੋਰ ਹੁੰਦਾ ਹੈ ਜਾਂ ਵਿਸ਼ਵਾਸ ਘੱਟ ਜਾਂਦਾ ਹੈ, ਤਾਂ ਚੰਗੀ ਤਰ੍ਹਾਂ ਡਿਜ਼ਾਈਨ ਕੀਤੇ ਸਿਸਟਮ ਹੌਲੀ ਹੋ ਜਾਂਦੇ ਹਨ, ਸੁਰੱਖਿਅਤ ਢੰਗ ਨਾਲ ਰੁਕ ਜਾਂਦੇ ਹਨ, ਜਾਂ ਅਨੁਮਾਨ ਲਗਾਉਣ ਦੀ ਬਜਾਏ ਮਦਦ ਮੰਗਦੇ ਹਨ।

ਮੁੱਖ ਗੱਲਾਂ:

ਖੁਦਮੁਖਤਿਆਰੀ ਲੂਪ: ਇੱਕ ਮਾਡਲ ਦੇ ਆਲੇ-ਦੁਆਲੇ ਨਹੀਂ, ਸਗੋਂ ਸਮਝ-ਸਮਝ-ਯੋਜਨਾ-ਕਾਰਜ-ਸਿੱਖਣ ਦੇ ਆਲੇ-ਦੁਆਲੇ ਸਿਸਟਮ ਬਣਾਓ।

ਮਜ਼ਬੂਤੀ: ਚਮਕ, ਬੇਤਰਤੀਬੀ, ਫਿਸਲਣ, ਅਤੇ ਲੋਕਾਂ ਦੇ ਅਣਪਛਾਤੇ ਢੰਗ ਨਾਲ ਘੁੰਮਣ-ਫਿਰਨ ਲਈ ਡਿਜ਼ਾਈਨ।

ਅਨਿਸ਼ਚਿਤਤਾ: ਵਿਸ਼ਵਾਸ ਨੂੰ ਆਉਟਪੁੱਟ ਕਰੋ ਅਤੇ ਇਸਨੂੰ ਸੁਰੱਖਿਅਤ, ਵਧੇਰੇ ਰੂੜੀਵਾਦੀ ਵਿਵਹਾਰ ਨੂੰ ਚਾਲੂ ਕਰਨ ਲਈ ਵਰਤੋ।

ਸੁਰੱਖਿਆ ਲੌਗ: ਕਾਰਵਾਈਆਂ ਅਤੇ ਸੰਦਰਭ ਨੂੰ ਰਿਕਾਰਡ ਕਰੋ ਤਾਂ ਜੋ ਅਸਫਲਤਾਵਾਂ ਆਡਿਟਯੋਗ ਅਤੇ ਠੀਕ ਹੋਣ ਯੋਗ ਹੋਣ।

ਹਾਈਬ੍ਰਿਡ ਸਟੈਕ: ਭਰੋਸੇਯੋਗਤਾ ਲਈ ML ਨੂੰ ਭੌਤਿਕ ਵਿਗਿਆਨ ਦੀਆਂ ਸੀਮਾਵਾਂ ਅਤੇ ਕਲਾਸੀਕਲ ਨਿਯੰਤਰਣ ਨਾਲ ਜੋੜੋ।

ਹੇਠਾਂ ਇੱਕ ਸੰਖੇਪ ਜਾਣਕਾਰੀ ਦਿੱਤੀ ਗਈ ਹੈ ਕਿ ਕਿਵੇਂ AI ਰੋਬੋਟਾਂ ਦੇ ਅੰਦਰ ਦਿਖਾਈ ਦਿੰਦਾ ਹੈ ਤਾਂ ਜੋ ਉਹਨਾਂ ਨੂੰ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਢੰਗ ਨਾਲ ਕੰਮ ਕੀਤਾ ਜਾ ਸਕੇ।.

ਇਸ ਤੋਂ ਬਾਅਦ ਤੁਸੀਂ ਜੋ ਲੇਖ ਪੜ੍ਹਨਾ ਪਸੰਦ ਕਰ ਸਕਦੇ ਹੋ:

🔗 ਜਦੋਂ ਐਲੋਨ ਮਸਕ ਦੇ ਰੋਬੋਟ ਨੌਕਰੀਆਂ ਨੂੰ ਖ਼ਤਰਾ ਬਣਾਉਂਦੇ ਹਨ
ਟੇਸਲਾ ਦੇ ਰੋਬੋਟ ਕੀ ਕਰ ਸਕਦੇ ਹਨ ਅਤੇ ਕਿਹੜੀਆਂ ਭੂਮਿਕਾਵਾਂ ਬਦਲ ਸਕਦੀਆਂ ਹਨ।.

🔗 ਹਿਊਮਨਾਈਡ ਰੋਬੋਟ ਏਆਈ ਕੀ ਹੈ?
ਸਿੱਖੋ ਕਿ ਹਿਊਮਨਾਈਡ ਰੋਬੋਟ ਕਿਵੇਂ ਸਮਝਦੇ ਹਨ, ਹਿੱਲਦੇ ਹਨ ਅਤੇ ਨਿਰਦੇਸ਼ਾਂ ਦੀ ਪਾਲਣਾ ਕਰਦੇ ਹਨ।.

🔗 ਏਆਈ ਕਿਹੜੀਆਂ ਨੌਕਰੀਆਂ ਦੀ ਥਾਂ ਲਵੇਗਾ?
ਉਹ ਭੂਮਿਕਾਵਾਂ ਜੋ ਆਟੋਮੇਸ਼ਨ ਅਤੇ ਹੁਨਰਾਂ ਦੇ ਸਭ ਤੋਂ ਵੱਧ ਸੰਪਰਕ ਵਿੱਚ ਹਨ ਜੋ ਕੀਮਤੀ ਰਹਿੰਦੇ ਹਨ।.

🔗 ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਨੌਕਰੀਆਂ ਅਤੇ ਭਵਿੱਖ ਦੇ ਕਰੀਅਰ
ਅੱਜ ਦੇ ਏਆਈ ਕਰੀਅਰ ਮਾਰਗ ਅਤੇ ਏਆਈ ਰੁਜ਼ਗਾਰ ਦੇ ਰੁਝਾਨਾਂ ਨੂੰ ਕਿਵੇਂ ਮੁੜ ਆਕਾਰ ਦਿੰਦਾ ਹੈ।.

ਰੋਬੋਟ ਏਆਈ ਦੀ ਵਰਤੋਂ ਕਿਵੇਂ ਕਰਦੇ ਹਨ? ਤੇਜ਼ ਮਾਨਸਿਕ ਮਾਡਲ

ਜ਼ਿਆਦਾਤਰ AI-ਸਮਰਥਿਤ ਰੋਬੋਟ ਇਸ ਤਰ੍ਹਾਂ ਦੇ ਲੂਪ ਦੀ ਪਾਲਣਾ ਕਰਦੇ ਹਨ:

• ਭਾਵਨਾ 👀: ਕੈਮਰੇ, ਮਾਈਕ੍ਰੋਫ਼ੋਨ, LiDAR, ਫੋਰਸ ਸੈਂਸਰ, ਵ੍ਹੀਲ ਏਨਕੋਡਰ, ਆਦਿ।

• ਸਮਝੋ 🧠: ਵਸਤੂਆਂ ਦਾ ਪਤਾ ਲਗਾਓ, ਸਥਿਤੀ ਦਾ ਅੰਦਾਜ਼ਾ ਲਗਾਓ, ਸਥਿਤੀਆਂ ਨੂੰ ਪਛਾਣੋ, ਗਤੀ ਦਾ ਅੰਦਾਜ਼ਾ ਲਗਾਓ।

• ਯੋਜਨਾ 🗺️: ਟੀਚੇ ਚੁਣੋ, ਸੁਰੱਖਿਅਤ ਰਸਤੇ ਗਿਣੋ, ਕਾਰਜਾਂ ਨੂੰ ਤਹਿ ਕਰੋ।

• ਐਕਟ 🦾: ਮੋਟਰ ਕਮਾਂਡਾਂ ਤਿਆਰ ਕਰੋ, ਪਕੜੋ, ਰੋਲ ਕਰੋ, ਸੰਤੁਲਨ ਬਣਾਓ, ਰੁਕਾਵਟਾਂ ਤੋਂ ਬਚੋ।

• ਸਿੱਖੋ 🔁: ਡੇਟਾ ਤੋਂ ਧਾਰਨਾ ਜਾਂ ਵਿਵਹਾਰ ਨੂੰ ਬਿਹਤਰ ਬਣਾਓ (ਕਈ ਵਾਰ ਔਨਲਾਈਨ, ਅਕਸਰ ਔਫਲਾਈਨ)।

ਬਹੁਤ ਸਾਰੇ ਰੋਬੋਟਿਕ "AI" ਅਸਲ ਵਿੱਚ ਇਕੱਠੇ ਕੰਮ ਕਰਨ ਵਾਲੇ ਟੁਕੜਿਆਂ ਦਾ ਢੇਰ ਹੈ -ਧਾਰਨਾ, ਸਥਿਤੀ ਦਾ ਅਨੁਮਾਨ, ਯੋਜਨਾਬੰਦੀ, ਅਤੇ ਨਿਯੰਤਰਣ- ਜੋ ਸਮੂਹਿਕ ਤੌਰ 'ਤੇ ਖੁਦਮੁਖਤਿਆਰੀ ਵਿੱਚ ਵਾਧਾ ਕਰਦੇ ਹਨ।

ਇੱਕ ਵਿਹਾਰਕ "ਖੇਤਰ" ਹਕੀਕਤ: ਔਖਾ ਹਿੱਸਾ ਆਮ ਤੌਰ 'ਤੇ ਇੱਕ ਸਾਫ਼ ਡੈਮੋ ਵਿੱਚ ਇੱਕ ਵਾਰ ਰੋਬੋਟ ਨੂੰ ਕੁਝ ਕਰਨ ਲਈ ਪ੍ਰਾਪਤ ਨਹੀਂ ਕਰਨਾ ਹੁੰਦਾ - ਇਹ ਉਸਨੂੰ ਉਹੀ ਸਧਾਰਨ ਕੰਮ ਭਰੋਸੇਯੋਗਤਾ ਨਾਲ ਹੈ ਜਦੋਂ ਰੋਸ਼ਨੀ ਬਦਲਦੀ ਹੈ, ਪਹੀਏ ਖਿਸਕ ਜਾਂਦੇ ਹਨ, ਫਰਸ਼ ਚਮਕਦਾਰ ਹੁੰਦਾ ਹੈ, ਸ਼ੈਲਫਾਂ ਹਿੱਲ ਜਾਂਦੀਆਂ ਹਨ, ਅਤੇ ਲੋਕ ਅਣਪਛਾਤੇ NPCs ਵਾਂਗ ਤੁਰਦੇ ਹਨ।

ਇੱਕ ਰੋਬੋਟ ਲਈ ਇੱਕ ਚੰਗਾ AI ਦਿਮਾਗ ਕੀ ਬਣਾਉਂਦਾ ਹੈ?

ਇੱਕ ਠੋਸ ਰੋਬੋਟ ਏਆਈ ਸੈੱਟਅੱਪ ਸਿਰਫ਼ ਸਮਾਰਟ ਨਹੀਂ ਹੋਣਾ ਚਾਹੀਦਾ - ਇਹ ਅਣਪਛਾਤੇ, ਅਸਲ-ਸੰਸਾਰ ਦੇ ਵਾਤਾਵਰਣ ਵਿੱਚ ਭਰੋਸੇਯੋਗ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ।

ਮਹੱਤਵਪੂਰਨ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਵਿੱਚ ਸ਼ਾਮਲ ਹਨ:

• ਅਸਲ-ਸਮੇਂ ਦੀ ਕਾਰਗੁਜ਼ਾਰੀ ⏱️ (ਫੈਸਲਾ ਲੈਣ ਲਈ ਸਮੇਂ ਸਿਰ ਹੋਣਾ ਮਾਇਨੇ ਰੱਖਦਾ ਹੈ)

• ਗੜਬੜ ਵਾਲੇ ਡੇਟਾ (ਚਮਕ, ਸ਼ੋਰ, ਬੇਤਰਤੀਬੀ, ਗਤੀ ਧੁੰਦਲਾਪਣ) ਪ੍ਰਤੀ ਮਜ਼ਬੂਤੀ

• ਸ਼ਾਨਦਾਰ ਅਸਫਲਤਾ ਮੋਡ 🧯 (ਰਫ਼ਤਾਰ ਹੌਲੀ ਕਰੋ, ਸੁਰੱਖਿਅਤ ਢੰਗ ਨਾਲ ਰੁਕੋ, ਮਦਦ ਮੰਗੋ)

• ਚੰਗੀਆਂ ਪੁਰਾਣੀਆਂ + ਚੰਗੀ ਸਿਖਲਾਈ (ਭੌਤਿਕ ਵਿਗਿਆਨ + ਸੀਮਾਵਾਂ + ML - ਸਿਰਫ਼ "ਵਾਈਬਸ" ਨਹੀਂ)

• ਮਾਪਣਯੋਗ ਧਾਰਨਾ ਗੁਣਵੱਤਾ 📏 (ਇਹ ਜਾਣਨਾ ਕਿ ਸੈਂਸਰ/ਮਾਡਲ ਕਦੋਂ ਖਰਾਬ ਹੁੰਦੇ ਹਨ)

ਸਭ ਤੋਂ ਵਧੀਆ ਰੋਬੋਟ ਅਕਸਰ ਉਹ ਨਹੀਂ ਹੁੰਦੇ ਜੋ ਇੱਕ ਵਾਰ ਚਮਕਦਾਰ ਕਰਤੱਬ ਕਰ ਸਕਦੇ ਹਨ, ਸਗੋਂ ਉਹ ਹੁੰਦੇ ਹਨ ਜੋ ਦਿਨ-ਬ-ਦਿਨ ਬੋਰਿੰਗ ਕੰਮ ਕਰ ਸਕਦੇ ਹਨ।.

ਆਮ ਰੋਬੋਟ ਏਆਈ ਬਿਲਡਿੰਗ ਬਲਾਕਾਂ ਦੀ ਤੁਲਨਾ ਸਾਰਣੀ

ਧਾਰਨਾ: ਰੋਬੋਟ ਕੱਚੇ ਸੈਂਸਰ ਡੇਟਾ ਨੂੰ ਅਰਥ ਵਿੱਚ ਕਿਵੇਂ ਬਦਲਦੇ ਹਨ

ਧਾਰਨਾ ਉਹ ਥਾਂ ਹੈ ਜਿੱਥੇ ਰੋਬੋਟ ਸੈਂਸਰ ਸਟ੍ਰੀਮ ਨੂੰ ਕਿਸੇ ਅਜਿਹੀ ਚੀਜ਼ ਵਿੱਚ ਬਦਲ ਦਿੰਦੇ ਹਨ ਜਿਸਦੀ ਉਹ ਅਸਲ ਵਿੱਚ ਵਰਤੋਂ ਕਰ ਸਕਦੇ ਹਨ:

• ਕੈਮਰੇ → ਵਸਤੂ ਪਛਾਣ, ਪੋਜ਼ ਅਨੁਮਾਨ, ਦ੍ਰਿਸ਼ ਸਮਝ

• LiDAR → ਦੂਰੀ + ਰੁਕਾਵਟ ਜਿਓਮੈਟਰੀ

• ਡੂੰਘਾਈ ਵਾਲੇ ਕੈਮਰੇ → 3D ਬਣਤਰ ਅਤੇ ਖਾਲੀ ਥਾਂ

• ਮਾਈਕ੍ਰੋਫ਼ੋਨ → ਬੋਲੀ ਅਤੇ ਧੁਨੀ ਸੰਕੇਤ

• ਫੋਰਸ/ਟਾਰਕ ਸੈਂਸਰ → ਸੁਰੱਖਿਅਤ ਪਕੜ ਅਤੇ ਸਹਿਯੋਗ

• ਸਪਰਸ਼ ਸੰਵੇਦਕ → ਸਲਿੱਪ ਖੋਜ, ਸੰਪਰਕ ਘਟਨਾਵਾਂ

ਰੋਬੋਟ ਸਵਾਲਾਂ ਦੇ ਜਵਾਬ ਦੇਣ ਲਈ AI 'ਤੇ ਨਿਰਭਰ ਕਰਦੇ ਹਨ ਜਿਵੇਂ ਕਿ:

• "ਮੇਰੇ ਸਾਹਮਣੇ ਕਿਹੜੀਆਂ ਚੀਜ਼ਾਂ ਹਨ?"

• "ਕੀ ਇਹ ਕੋਈ ਵਿਅਕਤੀ ਹੈ ਜਾਂ ਇੱਕ ਪੁਤਲਾ?"

• "ਹੈਂਡਲ ਕਿੱਥੇ ਹੈ?"

• "ਕੀ ਕੁਝ ਮੇਰੇ ਵੱਲ ਵਧ ਰਿਹਾ ਹੈ?"

ਇੱਕ ਸੂਖਮ ਪਰ ਮਹੱਤਵਪੂਰਨ ਵੇਰਵਾ: ਧਾਰਨਾ ਪ੍ਰਣਾਲੀਆਂ ਨੂੰ ਆਦਰਸ਼ਕ ਤੌਰ 'ਤੇ ਅਨਿਸ਼ਚਿਤਤਾ (ਜਾਂ ਇੱਕ ਵਿਸ਼ਵਾਸ ਪ੍ਰੌਕਸੀ) ਆਉਟਪੁੱਟ ਕਰਨੀ ਚਾਹੀਦੀ ਹੈ, ਨਾ ਕਿ ਸਿਰਫ਼ ਹਾਂ/ਨਹੀਂ ਜਵਾਬ - ਕਿਉਂਕਿ ਡਾਊਨਸਟ੍ਰੀਮ ਯੋਜਨਾਬੰਦੀ ਅਤੇ ਸੁਰੱਖਿਆ ਫੈਸਲੇ ਇਸ ਗੱਲ 'ਤੇ ਨਿਰਭਰ ਕਰਦੇ ਹਨ ਕਿ ਰੋਬੋਟ ਕਿੰਨਾ ਯਕੀਨੀ ਹੈ।

ਸਥਾਨੀਕਰਨ ਅਤੇ ਮੈਪਿੰਗ: ਘਬਰਾਏ ਬਿਨਾਂ ਇਹ ਜਾਣਨਾ ਕਿ ਤੁਸੀਂ ਕਿੱਥੇ ਹੋ

ਇੱਕ ਰੋਬੋਟ ਨੂੰ ਇਹ ਜਾਣਨ ਦੀ ਜ਼ਰੂਰਤ ਹੁੰਦੀ ਹੈ ਕਿ ਇਸਨੂੰ ਸਹੀ ਢੰਗ ਨਾਲ ਕੰਮ ਕਰਨ ਲਈ ਕਿੱਥੇ ਹੈ। ਇਸਨੂੰ ਅਕਸਰ SLAM (ਸਮਾਲਟੇਨਿਯਸ ਲੋਕਾਲਾਈਜ਼ੇਸ਼ਨ ਅਤੇ ਮੈਪਿੰਗ): ਰੋਬੋਟ ਦੇ ਪੋਜ਼ ਦਾ ਅੰਦਾਜ਼ਾ ਲਗਾਉਂਦੇ ਹੋਏ ਇੱਕ ਨਕਸ਼ਾ ਬਣਾਉਣਾ। ਕਲਾਸਿਕ ਫਾਰਮੂਲੇਸ਼ਨਾਂ ਵਿੱਚ, SLAM ਨੂੰ ਇੱਕ ਸੰਭਾਵੀ ਅਨੁਮਾਨ ਸਮੱਸਿਆ ਵਜੋਂ ਮੰਨਿਆ ਜਾਂਦਾ ਹੈ, ਜਿਸ ਵਿੱਚ EKF-ਅਧਾਰਿਤ ਅਤੇ ਕਣ-ਫਿਲਟਰ-ਅਧਾਰਿਤ ਪਹੁੰਚ ਸ਼ਾਮਲ ਹਨ। [1]

ਰੋਬੋਟ ਆਮ ਤੌਰ 'ਤੇ ਜੋੜਦਾ ਹੈ:

• ਪਹੀਏ ਦੀ ਓਡੋਮੈਟਰੀ (ਮੂਲ ਟਰੈਕਿੰਗ)

• LiDAR ਸਕੈਨ ਮੈਚਿੰਗ ਜਾਂ ਵਿਜ਼ੂਅਲ ਲੈਂਡਮਾਰਕਸ

• IMUs (ਘੁੰਮਣਾ/ਪ੍ਰਵੇਗ)

• GPS (ਬਾਹਰ, ਸੀਮਾਵਾਂ ਦੇ ਨਾਲ)

ਰੋਬੋਟ ਹਮੇਸ਼ਾ ਪੂਰੀ ਤਰ੍ਹਾਂ ਸਥਾਨੀਕ੍ਰਿਤ ਨਹੀਂ ਹੋ ਸਕਦੇ - ਇਸ ਲਈ ਚੰਗੇ ਸਟੈਕ ਵੱਡਿਆਂ ਵਾਂਗ ਕੰਮ ਕਰਦੇ ਹਨ: ਅਨਿਸ਼ਚਿਤਤਾ ਨੂੰ ਟਰੈਕ ਕਰਦੇ ਹਨ, ਵਹਿਣ ਦਾ ਪਤਾ ਲਗਾਉਂਦੇ ਹਨ, ਅਤੇ ਜਦੋਂ ਵਿਸ਼ਵਾਸ ਘੱਟ ਜਾਂਦਾ ਹੈ ਤਾਂ ਸੁਰੱਖਿਅਤ ਵਿਵਹਾਰ ਵੱਲ ਵਾਪਸ ਆਉਂਦੇ ਹਨ।.

ਯੋਜਨਾਬੰਦੀ ਅਤੇ ਫੈਸਲਾ ਲੈਣਾ: ਅੱਗੇ ਕੀ ਕਰਨਾ ਹੈ ਇਹ ਚੁਣਨਾ

ਇੱਕ ਵਾਰ ਜਦੋਂ ਇੱਕ ਰੋਬੋਟ ਕੋਲ ਦੁਨੀਆ ਦੀ ਇੱਕ ਵਿਹਾਰਕ ਤਸਵੀਰ ਹੋ ਜਾਂਦੀ ਹੈ, ਤਾਂ ਉਸਨੂੰ ਇਹ ਫੈਸਲਾ ਕਰਨ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ ਕਿ ਕੀ ਕਰਨਾ ਹੈ। ਯੋਜਨਾਬੰਦੀ ਅਕਸਰ ਦੋ ਪਰਤਾਂ ਵਿੱਚ ਦਿਖਾਈ ਦਿੰਦੀ ਹੈ:

• ਸਥਾਨਕ ਯੋਜਨਾਬੰਦੀ (ਤੇਜ਼ ਪ੍ਰਤੀਕਿਰਿਆਵਾਂ) ⚡
  ਰੁਕਾਵਟਾਂ ਤੋਂ ਬਚੋ, ਲੋਕਾਂ ਦੇ ਨੇੜੇ ਰਫ਼ਤਾਰ ਹੌਲੀ ਕਰੋ, ਲੇਨਾਂ/ਗਲਿਆਰਿਆਂ ਦੀ ਪਾਲਣਾ ਕਰੋ।

• ਗਲੋਬਲ ਯੋਜਨਾਬੰਦੀ (ਵੱਡੀ ਤਸਵੀਰ) 🧭
  ਮੰਜ਼ਿਲਾਂ ਚੁਣੋ, ਬਲਾਕ ਕੀਤੇ ਖੇਤਰਾਂ ਦੇ ਆਲੇ-ਦੁਆਲੇ ਰਸਤਾ ਬਣਾਓ, ਕਾਰਜਾਂ ਨੂੰ ਤਹਿ ਕਰੋ।

ਅਭਿਆਸ ਵਿੱਚ, ਇਹ ਉਹ ਥਾਂ ਹੈ ਜਿੱਥੇ ਰੋਬੋਟ "ਮੈਨੂੰ ਲੱਗਦਾ ਹੈ ਕਿ ਮੈਂ ਇੱਕ ਸਪਸ਼ਟ ਰਸਤਾ ਦੇਖਦਾ ਹਾਂ" ਨੂੰ ਠੋਸ ਗਤੀ ਆਦੇਸ਼ਾਂ ਵਿੱਚ ਬਦਲ ਦਿੰਦਾ ਹੈ ਜੋ ਸ਼ੈਲਫ ਦੇ ਕੋਨੇ ਨੂੰ ਨਹੀਂ ਕੱਟਣਗੇ - ਜਾਂ ਮਨੁੱਖ ਦੀ ਨਿੱਜੀ ਜਗ੍ਹਾ ਵਿੱਚ ਨਹੀਂ ਜਾਣਗੇ।.

ਨਿਯੰਤਰਣ: ਯੋਜਨਾਵਾਂ ਨੂੰ ਸੁਚਾਰੂ ਗਤੀ ਵਿੱਚ ਬਦਲਣਾ

ਕੰਟਰੋਲ ਸਿਸਟਮ ਯੋਜਨਾਬੱਧ ਕਾਰਵਾਈਆਂ ਨੂੰ ਅਸਲ ਗਤੀ ਵਿੱਚ ਬਦਲਦੇ ਹਨ, ਜਦੋਂ ਕਿ ਅਸਲ-ਸੰਸਾਰ ਦੀਆਂ ਪਰੇਸ਼ਾਨੀਆਂ ਨਾਲ ਨਜਿੱਠਦੇ ਹਨ ਜਿਵੇਂ ਕਿ:

• ਰਗੜ

• ਪੇਲੋਡ ਬਦਲਾਅ

• ਗੁਰੂਤਾ

• ਮੋਟਰ ਦੇਰੀ ਅਤੇ ਪ੍ਰਤੀਕਿਰਿਆ

ਆਮ ਔਜ਼ਾਰਾਂ ਵਿੱਚ PID, ਮਾਡਲ-ਅਧਾਰਿਤ ਨਿਯੰਤਰਣ, ਮਾਡਲ ਭਵਿੱਖਬਾਣੀ ਨਿਯੰਤਰਣ, ਅਤੇ ਉਲਟ ਗਤੀ ਵਿਗਿਆਨ - ਭਾਵ, ਉਹ ਗਣਿਤ ਜੋ "ਗ੍ਰਿੱਪਰ ਨੂੰ ਉੱਥੇ" ਨੂੰ ਜੋੜਾਂ ਦੀਆਂ ਹਰਕਤਾਂ ਵਿੱਚ ਬਦਲਦਾ ਹੈ। [2]

ਇਸ ਬਾਰੇ ਸੋਚਣ ਦਾ ਇੱਕ ਲਾਭਦਾਇਕ ਤਰੀਕਾ:
ਯੋਜਨਾਬੰਦੀ ਇੱਕ ਰਸਤਾ ਚੁਣਦੀ ਹੈ।
ਨਿਯੰਤਰਣ ਰੋਬੋਟ ਨੂੰ ਅਸਲ ਵਿੱਚ ਕੈਫੀਨ ਵਾਲੇ ਸ਼ਾਪਿੰਗ ਕਾਰਟ ਵਾਂਗ ਹਿੱਲਣ, ਓਵਰਸ਼ੂਟਿੰਗ ਜਾਂ ਕੰਬਣ ਤੋਂ ਬਿਨਾਂ ਇਸਦਾ ਪਾਲਣ ਕਰਨ ਲਈ ਮਜਬੂਰ ਕਰਦਾ ਹੈ।

ਸਿੱਖਣਾ: ਰੋਬੋਟ ਹਮੇਸ਼ਾ ਲਈ ਦੁਬਾਰਾ ਪ੍ਰੋਗਰਾਮ ਕੀਤੇ ਜਾਣ ਦੀ ਬਜਾਏ ਕਿਵੇਂ ਸੁਧਾਰ ਕਰਦੇ ਹਨ

ਰੋਬੋਟ ਹਰ ਵਾਤਾਵਰਣ ਤਬਦੀਲੀ ਤੋਂ ਬਾਅਦ ਹੱਥੀਂ ਦੁਬਾਰਾ ਜੁੜਨ ਦੀ ਬਜਾਏ ਡੇਟਾ ਤੋਂ ਸਿੱਖ ਕੇ ਸੁਧਾਰ ਕਰ ਸਕਦੇ ਹਨ।.

ਮੁੱਖ ਸਿੱਖਣ ਦੇ ਤਰੀਕਿਆਂ ਵਿੱਚ ਸ਼ਾਮਲ ਹਨ:

• ਨਿਗਰਾਨੀ ਅਧੀਨ ਸਿਖਲਾਈ 📚: ਲੇਬਲ ਕੀਤੀਆਂ ਉਦਾਹਰਣਾਂ ਤੋਂ ਸਿੱਖੋ (ਜਿਵੇਂ ਕਿ, "ਇਹ ਇੱਕ ਪੈਲੇਟ ਹੈ")।

• ਸਵੈ-ਨਿਗਰਾਨੀ ਹੇਠ ਸਿਖਲਾਈ 🔍: ਕੱਚੇ ਡੇਟਾ ਤੋਂ ਬਣਤਰ ਸਿੱਖੋ (ਜਿਵੇਂ ਕਿ, ਭਵਿੱਖ ਦੇ ਫਰੇਮਾਂ ਦੀ ਭਵਿੱਖਬਾਣੀ ਕਰਨਾ)।

• ਮਜ਼ਬੂਤੀ ਸਿਖਲਾਈ 🎯: ਸਮੇਂ ਦੇ ਨਾਲ ਇਨਾਮ ਸਿਗਨਲਾਂ ਨੂੰ ਵੱਧ ਤੋਂ ਵੱਧ ਕਰਕੇ ਕਾਰਵਾਈਆਂ ਸਿੱਖੋ (ਅਕਸਰ ਏਜੰਟਾਂ, ਵਾਤਾਵਰਣਾਂ ਅਤੇ ਰਿਟਰਨਾਂ ਨਾਲ ਤਿਆਰ ਕੀਤਾ ਜਾਂਦਾ ਹੈ)। [3]

ਜਿੱਥੇ RL ਚਮਕਦਾ ਹੈ: ਗੁੰਝਲਦਾਰ ਵਿਵਹਾਰ ਸਿੱਖਣਾ ਜਿੱਥੇ ਇੱਕ ਕੰਟਰੋਲਰ ਨੂੰ ਹੱਥ ਨਾਲ ਡਿਜ਼ਾਈਨ ਕਰਨਾ ਦਰਦਨਾਕ ਹੁੰਦਾ ਹੈ।
ਜਿੱਥੇ RL ਮਸਾਲੇਦਾਰ ਹੋ ਜਾਂਦਾ ਹੈ: ਡੇਟਾ ਕੁਸ਼ਲਤਾ, ਖੋਜ ਦੌਰਾਨ ਸੁਰੱਖਿਆ, ਅਤੇ ਸਿਮ-ਟੂ-ਰੀਅਲ ਗੈਪ।

ਮਨੁੱਖ-ਰੋਬੋਟ ਆਪਸੀ ਤਾਲਮੇਲ: ਏਆਈ ਜੋ ਰੋਬੋਟਾਂ ਨੂੰ ਲੋਕਾਂ ਨਾਲ ਕੰਮ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰਦਾ ਹੈ

ਘਰਾਂ ਜਾਂ ਕੰਮ ਵਾਲੀਆਂ ਥਾਵਾਂ 'ਤੇ ਰੋਬੋਟਾਂ ਲਈ, ਆਪਸੀ ਤਾਲਮੇਲ ਮਾਇਨੇ ਰੱਖਦਾ ਹੈ। AI ਯੋਗ ਕਰਦਾ ਹੈ:

• ਬੋਲੀ ਪਛਾਣ (ਆਵਾਜ਼ → ਸ਼ਬਦ)

• ਇਰਾਦੇ ਦੀ ਖੋਜ (ਸ਼ਬਦ → ਅਰਥ)

• ਇਸ਼ਾਰੇ ਦੀ ਸਮਝ (ਇਸ਼ਾਰਾ, ਸਰੀਰਕ ਭਾਸ਼ਾ)

ਇਹ ਉਦੋਂ ਤੱਕ ਸੌਖਾ ਲੱਗਦਾ ਹੈ ਜਦੋਂ ਤੱਕ ਤੁਸੀਂ ਇਸਨੂੰ ਨਹੀਂ ਭੇਜਦੇ: ਇਨਸਾਨ ਅਸੰਗਤ ਹਨ, ਲਹਿਜ਼ੇ ਵੱਖੋ-ਵੱਖਰੇ ਹਨ, ਕਮਰੇ ਸ਼ੋਰ-ਸ਼ਰਾਬੇ ਵਾਲੇ ਹਨ, ਅਤੇ "ਉੱਥੇ" ਇੱਕ ਤਾਲਮੇਲ ਢਾਂਚਾ ਨਹੀਂ ਹੈ।.

ਵਿਸ਼ਵਾਸ, ਸੁਰੱਖਿਆ, ਅਤੇ "ਡਰਾਉਣੇ ਨਾ ਬਣੋ": ਘੱਟ-ਮਜ਼ੇਦਾਰ ਪਰ ਜ਼ਰੂਰੀ ਹਿੱਸਾ

ਰੋਬੋਟ AI ਸਿਸਟਮ ਹਨ ਜਿਨ੍ਹਾਂ ਦੇ ਭੌਤਿਕ ਨਤੀਜੇ ਹੁੰਦੇ, ਇਸ ਲਈ ਵਿਸ਼ਵਾਸ ਅਤੇ ਸੁਰੱਖਿਆ ਅਭਿਆਸਾਂ ਨੂੰ ਬਾਅਦ ਵਿੱਚ ਸੋਚਿਆ ਨਹੀਂ ਜਾ ਸਕਦਾ।

ਵਿਹਾਰਕ ਸੁਰੱਖਿਆ ਸਕੈਫੋਲਡਿੰਗ ਵਿੱਚ ਅਕਸਰ ਸ਼ਾਮਲ ਹੁੰਦੇ ਹਨ:

• ਵਿਸ਼ਵਾਸ/ਅਨਿਸ਼ਚਿਤਤਾ ਦੀ ਨਿਗਰਾਨੀ

• ਜਦੋਂ ਧਾਰਨਾ ਘਟਦੀ ਹੈ ਤਾਂ ਰੂੜੀਵਾਦੀ ਵਿਵਹਾਰ

• ਡੀਬੱਗਿੰਗ ਅਤੇ ਆਡਿਟ ਲਈ ਲੌਗਿੰਗ ਕਾਰਵਾਈਆਂ

• ਰੋਬੋਟ ਕੀ ਕਰ ਸਕਦਾ ਹੈ, ਇਸ ਬਾਰੇ ਸਪੱਸ਼ਟ ਸੀਮਾਵਾਂ

ਇਸ ਨੂੰ ਫਰੇਮ ਕਰਨ ਦਾ ਇੱਕ ਉਪਯੋਗੀ ਉੱਚ-ਪੱਧਰੀ ਤਰੀਕਾ ਜੋਖਮ ਪ੍ਰਬੰਧਨ ਹੈ: ਸ਼ਾਸਨ, ਜੋਖਮਾਂ ਦੀ ਮੈਪਿੰਗ, ਉਹਨਾਂ ਨੂੰ ਮਾਪਣਾ, ਅਤੇ ਜੀਵਨ ਚੱਕਰ ਵਿੱਚ ਉਹਨਾਂ ਦਾ ਪ੍ਰਬੰਧਨ ਕਰਨਾ - NIST AI ਜੋਖਮ ਪ੍ਰਬੰਧਨ ਨੂੰ ਵਧੇਰੇ ਵਿਆਪਕ ਰੂਪ ਵਿੱਚ ਕਿਵੇਂ ਢਾਂਚਾ ਬਣਾਉਂਦਾ ਹੈ, ਇਸ ਦੇ ਨਾਲ ਇਕਸਾਰ। [4]

"ਵੱਡਾ ਮਾਡਲ" ਰੁਝਾਨ: ਫਾਊਂਡੇਸ਼ਨ ਮਾਡਲਾਂ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਰੋਬੋਟ

ਫਾਊਂਡੇਸ਼ਨ ਮਾਡਲ ਵਧੇਰੇ ਆਮ-ਉਦੇਸ਼ ਵਾਲੇ ਰੋਬੋਟ ਵਿਵਹਾਰ ਵੱਲ ਵਧ ਰਹੇ ਹਨ - ਖਾਸ ਕਰਕੇ ਜਦੋਂ ਭਾਸ਼ਾ, ਦ੍ਰਿਸ਼ਟੀ ਅਤੇ ਕਿਰਿਆ ਨੂੰ ਇਕੱਠੇ ਮਾਡਲ ਕੀਤਾ ਜਾਂਦਾ ਹੈ।.

ਇੱਕ ਉਦਾਹਰਣ ਦਿਸ਼ਾ ਵਿਜ਼ਨ-ਲੈਂਗਵੇਜ-ਐਕਸ਼ਨ (VLA) ਮਾਡਲ ਹਨ, ਜਿੱਥੇ ਇੱਕ ਸਿਸਟਮ ਨੂੰ ਇਹ ਜੋੜਨ ਲਈ ਸਿਖਲਾਈ ਦਿੱਤੀ ਜਾਂਦੀ ਹੈ ਕਿ ਉਹ ਕੀ ਦੇਖਦਾ ਹੈ + ਇਸਨੂੰ ਕੀ ਕਰਨ ਲਈ ਕਿਹਾ ਜਾਂਦਾ ਹੈ + ਇਸਨੂੰ ਕਿਹੜੀਆਂ ਕਾਰਵਾਈਆਂ ਕਰਨੀਆਂ ਚਾਹੀਦੀਆਂ ਹਨ। RT-2 ਇਸ ਸ਼ੈਲੀ ਦੇ ਪਹੁੰਚ ਦੀ ਇੱਕ ਵਿਆਪਕ ਤੌਰ 'ਤੇ ਹਵਾਲਾ ਦਿੱਤੀ ਗਈ ਉਦਾਹਰਣ ਹੈ। [5]

ਦਿਲਚਸਪ ਹਿੱਸਾ: ਵਧੇਰੇ ਲਚਕਦਾਰ, ਉੱਚ-ਪੱਧਰੀ ਸਮਝ।
ਅਸਲੀਅਤ ਜਾਂਚ: ਭੌਤਿਕ-ਸੰਸਾਰ ਭਰੋਸੇਯੋਗਤਾ ਅਜੇ ਵੀ ਗਾਰਡਰੇਲ ਦੀ ਮੰਗ ਕਰਦੀ ਹੈ-ਕਲਾਸਿਕ ਅਨੁਮਾਨ, ਸੁਰੱਖਿਆ ਪਾਬੰਦੀਆਂ, ਅਤੇ ਰੂੜੀਵਾਦੀ ਨਿਯੰਤਰਣ ਸਿਰਫ਼ ਇਸ ਲਈ ਦੂਰ ਨਹੀਂ ਹੁੰਦੇ ਕਿਉਂਕਿ ਰੋਬੋਟ "ਸਮਾਰਟ ਗੱਲ ਕਰ ਸਕਦਾ ਹੈ"।

ਅੰਤਿਮ ਟਿੱਪਣੀਆਂ

ਤਾਂ, ਰੋਬੋਟ AI ਦੀ ਵਰਤੋਂ ਕਿਵੇਂ ਕਰਦੇ ਹਨ? ਰੋਬੋਟ AI ਦੀ ਵਰਤੋਂ ਸਥਿਤੀ ਨੂੰ ਸਮਝਣ , ਅਨੁਮਾਨ ਲਗਾਉਣ (ਮੈਂ ਕਿੱਥੇ ਹਾਂ?) , ਯੋਜਨਾ ਬਣਾਉਣ ਅਤੇ ਨਿਯੰਤਰਣ ਕਰਨ ਲਈ ਕਰਦੇ ਹਨ - ਅਤੇ ਕਈ ਵਾਰ ਡੇਟਾ ਤੋਂ ਸਿੱਖਣ ਲਈ ਸੁਧਾਰ ਕਰਦੇ ਹਨ। AI ਰੋਬੋਟਾਂ ਨੂੰ ਗਤੀਸ਼ੀਲ ਵਾਤਾਵਰਣਾਂ ਦੀ ਗੁੰਝਲਤਾ ਨੂੰ ਸੰਭਾਲਣ ਦੇ ਯੋਗ ਬਣਾਉਂਦਾ ਹੈ, ਪਰ ਸਫਲਤਾ ਸੁਰੱਖਿਆ-ਪਹਿਲਾਂ ਵਿਵਹਾਰ ਵਾਲੇ ਭਰੋਸੇਯੋਗ, ਮਾਪਣਯੋਗ ਪ੍ਰਣਾਲੀਆਂ 'ਤੇ ਨਿਰਭਰ ਕਰਦੀ ਹੈ।

ਅਸਲ-ਸੰਸਾਰ ਦੀ ਉਦਾਹਰਣ: ਇੱਕ ਵੇਅਰਹਾਊਸ ਰੋਬੋਟ ਲਈ ਇੱਕ AI ਸਹਾਇਕ ਬਣਾਉਣਾ

ਦ੍ਰਿਸ਼

ਇੱਕ ਛੋਟੇ ਜਿਹੇ ਪੂਰਤੀ ਵਾਲੇ ਗੋਦਾਮ ਦੀ ਕਲਪਨਾ ਕਰੋ ਜੋ ਇੱਕ ਆਟੋਨੋਮਸ ਮੋਬਾਈਲ ਰੋਬੋਟ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਸੀਲਬੰਦ ਟੋਟਾਂ ਨੂੰ ਪੈਕਿੰਗ ਬੈਂਚਾਂ ਤੋਂ ਡਿਸਪੈਚ ਖੇਤਰ ਵਿੱਚ ਲਿਜਾ ਰਿਹਾ ਹੈ। ਰੋਬੋਟ ਨੂੰ "ਸਭ ਕੁਝ ਸਮਝਣ" ਦੀ ਜ਼ਰੂਰਤ ਨਹੀਂ ਹੈ। ਇਸਨੂੰ ਇੱਕ ਕੰਮ ਭਰੋਸੇਯੋਗ ਢੰਗ ਨਾਲ ਕਰਨ ਦੀ ਜ਼ਰੂਰਤ ਹੈ: ਇੱਕ ਟੋਟ ਇਕੱਠਾ ਕਰਨਾ, ਇੱਕ ਸਾਂਝੇ ਗਲਿਆਰੇ ਵਿੱਚ ਨੈਵੀਗੇਟ ਕਰਨਾ, ਲੋਕਾਂ ਅਤੇ ਪੈਲੇਟ ਟਰੱਕਾਂ ਤੋਂ ਬਚਣਾ, ਅਤੇ ਵਿਸ਼ਵਾਸ ਘੱਟ ਜਾਣ 'ਤੇ ਸੁਰੱਖਿਅਤ ਢੰਗ ਨਾਲ ਰੁਕਣਾ।.

ਏਆਈ ਸਟੈਕ ਕੰਪਿਊਟਰ ਵਿਜ਼ਨ, LiDAR, SLAM, ਮਾਰਗ ਯੋਜਨਾਬੰਦੀ, ਰੁਕਾਵਟ ਤੋਂ ਬਚਣ, ਅਤੇ ਸਟਾਫ ਤੋਂ ਮੁੱਢਲੀਆਂ ਭਾਸ਼ਾ ਨਿਰਦੇਸ਼ਾਂ ਨੂੰ ਜੋੜੇਗਾ। ਇੱਕ ਸੁਪਰਵਾਈਜ਼ਰ ਕਹਿ ਸਕਦਾ ਹੈ, "ਇਸ ਟੋਟ ਨੂੰ ਬੇ 3 ਨੂੰ ਭੇਜਣ ਲਈ ਲੈ ਜਾਓ," ਪਰ ਰੋਬੋਟ ਨੂੰ ਅਜੇ ਵੀ ਭਾਸ਼ਾ ਪਰਤ ਦੇ ਹੇਠਾਂ ਪੱਕੇ ਸੁਰੱਖਿਆ ਨਿਯਮਾਂ ਦੀ ਲੋੜ ਹੈ।.

ਇਹ ਇੱਕ ਮਜ਼ਬੂਤ ​​ਉਦਾਹਰਣ ਹੈ ਕਿਉਂਕਿ ਇਹ ਰੋਬੋਟ ਏਆਈ ਨੂੰ ਇੱਕ ਪ੍ਰੈਕਟੀਕਲ ਸਟੈਕ ਵਜੋਂ ਕੰਮ ਕਰਦੇ ਹੋਏ ਦਿਖਾਉਂਦਾ ਹੈ, ਨਾ ਕਿ ਇੱਕ ਵਿਸ਼ਾਲ ਮਾਡਲ ਅਨੁਮਾਨ ਲਗਾਉਂਦਾ ਹੈ।.

ਸਹਾਇਕ ਨੂੰ ਕੀ ਚਾਹੀਦਾ ਹੈ

ਸੈੱਟਅੱਪ ਲਈ ਲੋੜ ਹੋਵੇਗੀ:

• ਵੇਅਰਹਾਊਸ ਦਾ ਨਕਸ਼ਾ, ਜਿਸ ਵਿੱਚ ਪੈਕਿੰਗ ਬੈਂਚ, ਡਿਸਪੈਚ ਬੇ, ਨੋ-ਗੋ ਜ਼ੋਨ, ਚਾਰਜਿੰਗ ਪੁਆਇੰਟ ਅਤੇ ਤੰਗ ਗਲਿਆਰੇ ਸ਼ਾਮਲ ਹਨ।

• ਟੋਟਸ, ਲੋਕਾਂ, ਫਰਸ਼ ਦੇ ਨਿਸ਼ਾਨਾਂ, ਅਤੇ ਬਲਾਕ ਕੀਤੇ ਰੂਟਾਂ ਦੀ ਪਛਾਣ ਕਰਨ ਲਈ ਕੈਮਰਾ ਜਾਂ ਡੂੰਘਾਈ-ਕੈਮਰਾ ਡੇਟਾ

• ਰੁਕਾਵਟ ਖੋਜ ਲਈ LiDAR ਜਾਂ ਕੋਈ ਹੋਰ ਦੂਰੀ ਸੈਂਸਰ

• ਸਥਾਨੀਕਰਨ ਲਈ ਪਹੀਏ ਏਨਕੋਡਰ ਅਤੇ IMU ਡੇਟਾ

• ਗਤੀ ਸੀਮਾਵਾਂ, ਰੁਕਣ ਦੀ ਦੂਰੀ, ਅਤੇ ਮਨੁੱਖੀ-ਸੁਰੱਖਿਅਤ ਵਿਵਹਾਰ ਲਈ ਨਿਯਮ

• ਵੇਅਰਹਾਊਸ ਸਿਸਟਮ ਤੋਂ ਇੱਕ ਕਾਰਜ ਸੂਚੀ, ਜਿਵੇਂ ਕਿ ਟੋਟ ਆਈਡੀ, ਪਿਕਅੱਪ ਪੁਆਇੰਟ, ਅਤੇ ਮੰਜ਼ਿਲ

• ਲੌਗ ਜੋ ਰੂਟ, ਵਿਸ਼ਵਾਸ ਸਕੋਰ, ਸਟਾਪ, ਨੇੜੇ ਦੀਆਂ ਖੁੰਝੀਆਂ ਗੱਲਾਂ, ਅਤੇ ਮਨੁੱਖੀ ਦਖਲਅੰਦਾਜ਼ੀ ਨੂੰ ਰਿਕਾਰਡ ਕਰਦੇ ਹਨ।

ਮੁੱਖ ਨੁਕਤਾ ਇਹ ਹੈ ਕਿ ਭਾਸ਼ਾ ਦੀ ਹਦਾਇਤ ਕਦੇ ਵੀ ਇਕੱਲੀ ਨਿਯੰਤਰਣ ਪਰਤ ਨਹੀਂ ਹੋਣੀ ਚਾਹੀਦੀ। ਰੋਬੋਟ ਮਨੁੱਖ-ਅਨੁਕੂਲ ਆਦੇਸ਼ਾਂ ਨੂੰ ਸਵੀਕਾਰ ਕਰ ਸਕਦਾ ਹੈ, ਪਰ ਗਤੀ ਨੂੰ ਅਜੇ ਵੀ ਮੈਪਿੰਗ, ਯੋਜਨਾਬੰਦੀ, ਨਿਯੰਤਰਣ ਅਤੇ ਸੁਰੱਖਿਆ ਪਾਬੰਦੀਆਂ ਦੁਆਰਾ ਨਿਯੰਤਰਿਤ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ।.

ਉਦਾਹਰਨ ਹਦਾਇਤ

ਰੋਬੋਟ ਸਹਾਇਕ ਲਈ ਇੱਕ ਸਧਾਰਨ ਸੰਚਾਲਨ ਨਿਰਦੇਸ਼ ਇਸ ਤਰ੍ਹਾਂ ਦਿਖਾਈ ਦੇ ਸਕਦਾ ਹੈ:

ਤੁਸੀਂ ਇੱਕ ਵੇਅਰਹਾਊਸ ਮੋਬਾਈਲ ਰੋਬੋਟ ਲਈ ਟਾਸਕ ਅਸਿਸਟੈਂਟ ਹੋ। ਤੁਹਾਡਾ ਕੰਮ ਸਟਾਫ ਦੀਆਂ ਬੇਨਤੀਆਂ ਨੂੰ ਸੁਰੱਖਿਅਤ ਆਵਾਜਾਈ ਦੇ ਕੰਮਾਂ ਵਿੱਚ ਬਦਲਣਾ ਹੈ। ਸਿਰਫ਼ ਉਦੋਂ ਹੀ ਇੱਕ ਟਾਸਕ ਬਣਾਓ ਜਦੋਂ ਪਿਕਅੱਪ ਪੁਆਇੰਟ, ਮੰਜ਼ਿਲ, ਅਤੇ ਟੋਟ ਆਈਡੀ ਸਪਸ਼ਟ ਹੋਵੇ। ਜੇਕਰ ਕੋਈ ਵੇਰਵਾ ਗੁੰਮ ਹੈ, ਤਾਂ ਇੱਕ ਛੋਟਾ ਸਪੱਸ਼ਟੀਕਰਨ ਸਵਾਲ ਪੁੱਛੋ। ਕਦੇ ਵੀ ਸਥਾਨਾਂ ਦੀ ਖੋਜ ਨਾ ਕਰੋ। ਜੇਕਰ ਰੂਟ ਬਲੌਕ ਹੈ, ਤਾਂ ਇੱਕ ਪ੍ਰਵਾਨਿਤ ਵਿਕਲਪਿਕ ਰੂਟ ਚੁਣੋ ਜੇਕਰ ਕੋਈ ਮੌਜੂਦ ਹੈ। ਜੇਕਰ ਧਾਰਨਾ ਵਿਸ਼ਵਾਸ ਸੁਰੱਖਿਅਤ ਥ੍ਰੈਸ਼ਹੋਲਡ ਤੋਂ ਹੇਠਾਂ ਡਿੱਗਦਾ ਹੈ, ਤਾਂ ਹੌਲੀ ਕਰੋ, ਰੁਕੋ, ਜਾਂ ਮਨੁੱਖੀ ਮਦਦ ਦੀ ਬੇਨਤੀ ਕਰੋ। ਹਰ ਅਸਫਲ ਪਿਕਅੱਪ, ਬਲੌਕ ਕੀਤੇ ਰੂਟ, ਐਮਰਜੈਂਸੀ ਸਟਾਪ, ਅਤੇ ਮੈਨੂਅਲ ਓਵਰਰਾਈਡ ਨੂੰ ਲੌਗ ਕਰੋ।.

ਸਟਾਫ਼ ਦੀ ਬੇਨਤੀ ਇਹ ਹੋ ਸਕਦੀ ਹੈ:

ਟੋਟ ਟੀ-1842 ਨੂੰ ਪੈਕਿੰਗ ਬੈਂਚ 6 ਤੋਂ ਡਿਸਪੈਚ ਬੇਅ 3 ਵਿੱਚ ਲੈ ਜਾਓ।.

ਇੱਕ ਚੰਗਾ ਜਵਾਬ ਇਹ ਹੋਵੇਗਾ:

ਕੰਮ ਸਵੀਕਾਰ ਕੀਤਾ ਗਿਆ: ਪੈਕਿੰਗ ਬੈਂਚ 6 ਤੋਂ ਟੋਟ T-1842 ਇਕੱਠਾ ਕਰੋ ਅਤੇ ਇਸਨੂੰ ਡਿਸਪੈਚ ਬੇ 3 ਤੱਕ ਪਹੁੰਚਾਓ। ਰਸਤਾ ਗਲਿਆਰਾ B ਰਾਹੀਂ ਚੁਣਿਆ ਗਿਆ ਹੈ। ਪੈਦਲ ਯਾਤਰੀ ਕਰਾਸਿੰਗ ਦੇ ਨੇੜੇ ਗਤੀ ਸੀਮਤ ਹੈ। ਜੇਕਰ ਗਲਿਆਰਾ B ਬਲੌਕ ਹੈ, ਤਾਂ ਪ੍ਰਵਾਨਿਤ ਫਾਲਬੈਕ ਰੂਟ C ਦੀ ਵਰਤੋਂ ਕਰੋ।.

ਇੱਕ ਬੁਰਾ ਜਵਾਬ ਇਹ ਹੋਵੇਗਾ:

ਬਿਲਕੁਲ, ਮੈਂ ਇਸਨੂੰ ਡਿਸਪੈਚ 'ਤੇ ਲੈ ਜਾਵਾਂਗਾ।.

ਮਾੜਾ ਸੰਸਕਰਣ ਬਹੁਤ ਅਸਪਸ਼ਟ ਹੈ। ਇਹ ਟੋਟ ਆਈਡੀ, ਪਿਕਅੱਪ ਪੁਆਇੰਟ, ਮੰਜ਼ਿਲ, ਰੂਟ, ਜਾਂ ਸੁਰੱਖਿਆ ਵਿਵਹਾਰ ਦੀ ਪੁਸ਼ਟੀ ਨਹੀਂ ਕਰਦਾ ਹੈ।.

ਇਸਨੂੰ ਕਿਵੇਂ ਟੈਸਟ ਕਰਨਾ ਹੈ

ਰੋਬੋਟ ਨੂੰ ਲਾਈਵ ਗਲਿਆਰੇ ਵਿੱਚ ਕੰਮ ਕਰਨ ਦੇਣ ਤੋਂ ਪਹਿਲਾਂ, ਇਸਨੂੰ ਇੱਕ ਛੋਟੀ ਜਿਹੀ ਚੈੱਕਲਿਸਟ ਨਾਲ ਟੈਸਟ ਕਰੋ:

• ਇਸਨੂੰ ਪੂਰੇ ਵੇਰਵਿਆਂ ਵਾਲਾ ਇੱਕ ਟੋਟਲਾ ਹਿਲਾਉਣ ਲਈ ਕਹੋ।

• ਇਸਨੂੰ ਡਿਸਪੈਚ ਬੇ ਦਿੱਤੇ ਬਿਨਾਂ ਇੱਕ ਟੋਟ ਹਿਲਾਉਣ ਲਈ ਕਹੋ।

• ਰਸਤੇ ਵਿੱਚ ਇੱਕ ਵਿਅਕਤੀ ਦੇ ਆਕਾਰ ਦੀ ਰੁਕਾਵਟ ਰੱਖੋ

• ਇੱਕ ਸ਼ੈਲਫ ਮਾਰਕਰ ਨੂੰ ਹਿਲਾਓ ਅਤੇ ਜਾਂਚ ਕਰੋ ਕਿ ਕੀ ਸਥਾਨੀਕਰਨ ਵਿਸ਼ਵਾਸ ਘੱਟਦਾ ਹੈ।

• ਫਰਸ਼ 'ਤੇ ਚਮਕ ਬਣਾਓ ਅਤੇ ਜਾਂਚ ਕਰੋ ਕਿ ਕੀ ਧਾਰਨਾ ਵਿਸ਼ਵਾਸ ਬਦਲਦਾ ਹੈ।

• ਪਸੰਦੀਦਾ ਗਲਿਆਰਾ ਬਲਾਕ ਕਰੋ ਅਤੇ ਜਾਂਚ ਕਰੋ ਕਿ ਕੀ ਇਹ ਇੱਕ ਪ੍ਰਵਾਨਿਤ ਫਾਲਬੈਕ ਰੂਟ ਚੁਣਦਾ ਹੈ

• ਅਜਿਹੀ ਮੰਜ਼ਿਲ ਮੰਗੋ ਜੋ ਮੌਜੂਦ ਨਹੀਂ ਹੈ ਅਤੇ ਅੰਦਾਜ਼ਾ ਲਗਾਉਣ ਦੀ ਬਜਾਏ ਜਾਂਚ ਕਰੋ ਕਿ ਇਹ ਇਨਕਾਰ ਕਰਦੀ ਹੈ ਜਾਂ ਨਹੀਂ

• ਹਰੇਕ ਰਨ ਤੋਂ ਬਾਅਦ ਲੌਗ ਦੀ ਸਮੀਖਿਆ ਕਰੋ ਤਾਂ ਜੋ ਇਹ ਪੁਸ਼ਟੀ ਕੀਤੀ ਜਾ ਸਕੇ ਕਿ ਸਟਾਪ, ਰੀਰੂਟ ਅਤੇ ਓਵਰਰਾਈਡ ਰਿਕਾਰਡ ਕੀਤੇ ਗਏ ਸਨ।

ਟੀਚਾ ਸਿਰਫ਼ "ਕੀ ਰੋਬੋਟ ਪਹੁੰਚਿਆ?" ਇਹ ਨਹੀਂ ਹੈ ਕਿ ਬਿਹਤਰ ਸਵਾਲ ਇਹ ਹੈ: "ਕੀ ਇਹ ਸੁਰੱਖਿਅਤ ਢੰਗ ਨਾਲ ਅਤੇ ਅਨੁਮਾਨਤ ਢੰਗ ਨਾਲ ਵਿਵਹਾਰ ਕਰਦਾ ਸੀ ਜਦੋਂ ਵਾਤਾਵਰਣ ਅਨਿਸ਼ਚਿਤ ਹੋ ਗਿਆ ਸੀ?"

ਨਤੀਜਾ

ਉਦਾਹਰਣ ਵਜੋਂ ਨਤੀਜਾ: ਇੱਕ ਛੋਟੇ ਵੇਅਰਹਾਊਸ ਟੈਸਟ ਖੇਤਰ ਵਿੱਚ ਟੋਟ-ਮੂਵਿੰਗ ਕਾਰਜਾਂ ਦੇ 20 ਉਦਾਹਰਣਾਂ ਦੇ ਸਮੇਂ ਦੇ ਆਧਾਰ 'ਤੇ।.

ਰੋਬੋਟ ਵਰਕਫਲੋ ਦੀ ਵਰਤੋਂ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ, ਇੱਕ ਮਨੁੱਖੀ ਦੌੜਾਕ ਨੂੰ ਪ੍ਰਤੀ ਟੋਟ ਮੂਵ ਔਸਤਨ 4 ਮਿੰਟ 30 ਸਕਿੰਟ ਲੱਗਦੇ ਸਨ, ਜਿਸ ਵਿੱਚ ਪੈਕਿੰਗ ਬੈਂਚ ਤੇ ਵਾਪਸ ਤੁਰਨਾ ਵੀ ਸ਼ਾਮਲ ਸੀ। ਸਧਾਰਨ ਪੁਆਇੰਟ-ਟੂ-ਪੁਆਇੰਟ ਟੋਟ ਟ੍ਰਾਂਸਫਰ ਲਈ ਰੋਬੋਟ ਨੂੰ ਪੇਸ਼ ਕਰਨ ਤੋਂ ਬਾਅਦ, ਮਨੁੱਖੀ ਹੈਂਡਲਿੰਗ ਸਮਾਂ ਪ੍ਰਤੀ ਕੰਮ ਲਗਭਗ 50 ਸਕਿੰਟ ਰਹਿ ਗਿਆ, ਜਿਆਦਾਤਰ ਟੋਟ ਲੋਡ ਕਰਨ ਅਤੇ ਕੰਮ ਦੀ ਪੁਸ਼ਟੀ ਕਰਨ ਲਈ।.

ਇਸ ਨਾਲ ਪ੍ਰਤੀ ਟੋਟ ਮੂਵ ਲਗਭਗ 3 ਮਿੰਟ 40 ਸਕਿੰਟ ਦੀ ਬਚਤ ਹੋਵੇਗੀ। ਪ੍ਰਤੀ ਦਿਨ 80 ਟੋਟ ਮੂਵ ਦੇ ਨਾਲ, ਅੰਦਾਜ਼ਨ ਸਮੇਂ ਦੀ ਬਚਤ ਲਗਭਗ 293 ਮਿੰਟ ਹੋਵੇਗੀ, ਜਾਂ ਪ੍ਰਤੀ ਦਿਨ 4.9 ਸਟਾਫ ਘੰਟਿਆਂ ਤੋਂ ਘੱਟ।.

ਇੱਕੋ ਟੈਸਟ ਵਿੱਚ ਸੁਰੱਖਿਆ ਜਾਂਚਾਂ ਨੂੰ ਵੱਖਰੇ ਤੌਰ 'ਤੇ ਟਰੈਕ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ। ਉਦਾਹਰਣ ਵਜੋਂ:

• 20 ਵਿੱਚੋਂ 20 ਕੰਮ ਸਹੀ ਮੰਜ਼ਿਲ 'ਤੇ ਪਹੁੰਚੇ।

• 3 ਬਲਾਕ-ਰੂਟ ਇਵੈਂਟਾਂ ਨੂੰ ਪ੍ਰਵਾਨਿਤ ਰੀਰੂਟਿੰਗ ਨਾਲ ਸੰਭਾਲਿਆ ਗਿਆ।

• 2 ਘੱਟ ਆਤਮਵਿਸ਼ਵਾਸ ਵਾਲੀਆਂ ਘਟਨਾਵਾਂ ਨੇ ਇੱਕ ਸੁਰੱਖਿਅਤ ਸਟਾਪ ਸ਼ੁਰੂ ਕੀਤਾ

• 0 ਗੈਰ-ਮਨਜ਼ੂਰਸ਼ੁਦਾ ਮੰਜ਼ਿਲਾਂ ਸਵੀਕਾਰ ਕੀਤੀਆਂ ਗਈਆਂ ਸਨ

• 0 ਗੁੰਮ ਹੋਏ ਟੋਟ ਆਈਡੀ ਦਾ ਅੰਦਾਜ਼ਾ ਲਗਾਇਆ ਗਿਆ ਸੀ

ਇਹ ਨੰਬਰ ਉਦਾਹਰਣ ਵਜੋਂ ਹਨ, ਕਿਸੇ ਖਾਸ ਰੋਬੋਟ ਉਤਪਾਦ ਬਾਰੇ ਦਾਅਵਾ ਨਹੀਂ। ਇੱਕ ਟੀਮ ਤੈਨਾਤੀ ਤੋਂ ਪਹਿਲਾਂ ਅਤੇ ਬਾਅਦ ਵਿੱਚ ਕਾਰਜਾਂ ਦਾ ਸਮਾਂ ਨਿਰਧਾਰਤ ਕਰਕੇ, ਮੈਨੂਅਲ ਓਵਰਰਾਈਡਾਂ ਦੀ ਗਿਣਤੀ ਕਰਕੇ, ਰੂਟ ਲੌਗ ਦੀ ਸਮੀਖਿਆ ਕਰਕੇ, ਅਤੇ ਅਸਫਲ ਡਿਲੀਵਰੀਆਂ ਦੀ ਜਾਂਚ ਕਰਕੇ ਨਤੀਜੇ ਦੀ ਪੁਸ਼ਟੀ ਕਰ ਸਕਦੀ ਹੈ।.

ਕੀ ਗਲਤ ਹੋ ਸਕਦਾ ਹੈ?

ਸਭ ਤੋਂ ਆਮ ਅਸਫਲਤਾ ਰੋਬੋਟ ਨੂੰ ਬਹੁਤ ਜ਼ਿਆਦਾ ਆਜ਼ਾਦੀ ਦੇਣਾ ਹੈ। ਇੱਕ ਭਾਸ਼ਾ ਮਾਡਲ ਹਦਾਇਤਾਂ ਨੂੰ ਸਮਝ ਸਕਦਾ ਹੈ, ਪਰ ਇਸਦਾ ਮਤਲਬ ਇਹ ਨਹੀਂ ਹੈ ਕਿ ਇਸ 'ਤੇ ਰਸਤੇ ਬਣਾਉਣ, ਵਿਸ਼ਵਾਸ ਸਕੋਰਾਂ ਨੂੰ ਨਜ਼ਰਅੰਦਾਜ਼ ਕਰਨ, ਜਾਂ "ਸ਼ਾਇਦ ਸੁਰੱਖਿਅਤ" ਕੀ ਹੈ ਇਹ ਫੈਸਲਾ ਕਰਨ ਲਈ ਭਰੋਸਾ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ।.

ਹੋਰ ਯਥਾਰਥਵਾਦੀ ਸਮੱਸਿਆਵਾਂ ਵਿੱਚ ਸ਼ਾਮਲ ਹਨ:

• ਸ਼ੈਲਫਾਂ ਜਾਂ ਬੈਂਚਾਂ ਨੂੰ ਬਦਲਣ ਤੋਂ ਬਾਅਦ ਪੁਰਾਣੇ ਨਕਸ਼ੇ

• ਮਾੜੀ ਰੋਸ਼ਨੀ ਜਾਂ ਪ੍ਰਤੀਬਿੰਬਤ ਫ਼ਰਸ਼ ਦ੍ਰਿਸ਼ਟੀ ਮਾਡਲਾਂ ਨੂੰ ਉਲਝਾਉਂਦੇ ਹਨ

• ਸਟਾਫ ਗੈਰ-ਰਸਮੀ ਸਥਾਨਾਂ ਦੇ ਨਾਮ ਵਰਤ ਰਿਹਾ ਹੈ ਜਿਨ੍ਹਾਂ ਨੂੰ ਰੋਬੋਟ ਨਹੀਂ ਪਛਾਣਦਾ

• ਗੁੰਮ ਹੋਏ ਟੋਟ ਆਈਡੀ ਕਾਰਨ ਸਿਸਟਮ ਗਲਤ ਆਈਟਮ ਚੁਣ ਰਿਹਾ ਹੈ

• ਕਮਜ਼ੋਰ ਲੱਕੜ ਦੀ ਕਟਾਈ, ਨੇੜੇ-ਤੇੜੇ ਦੀਆਂ ਖੁੰਝੀਆਂ ਚੀਜ਼ਾਂ ਦੀ ਜਾਂਚ ਕਰਨਾ ਮੁਸ਼ਕਲ ਬਣਾ ਰਹੀ ਹੈ

• ਅਸਫਲ ਦੌੜਾਂ ਅਤੇ ਮਨੁੱਖੀ ਦਖਲਅੰਦਾਜ਼ੀ ਨੂੰ ਮਾਪੇ ਬਿਨਾਂ ਪ੍ਰਦਰਸ਼ਨ ਨੂੰ ਵਧਾ-ਚੜ੍ਹਾ ਕੇ ਪੇਸ਼ ਕਰਨਾ

ਇੱਕ ਠੋਸ ਨਿਯਮ ਸਰਲ ਹੈ: ਜਦੋਂ ਰੋਬੋਟ ਅਨਿਸ਼ਚਿਤ ਹੁੰਦਾ ਹੈ, ਤਾਂ ਇਸਨੂੰ ਵਧੇਰੇ ਰੂੜੀਵਾਦੀ ਬਣਨਾ ਚਾਹੀਦਾ ਹੈ, ਨਾ ਕਿ ਵਧੇਰੇ ਰਚਨਾਤਮਕ।.

ਵਿਹਾਰਕ ਉਪਾਅ

ਇੱਕ ਮਜ਼ਬੂਤ ​​ਰੋਬੋਟ ਏਆਈ ਸੈੱਟਅੱਪ ਇੱਕ ਤੰਗ ਕੰਮ, ਸਪੱਸ਼ਟ ਇਨਪੁਟਸ, ਮਾਪਣਯੋਗ ਸੁਰੱਖਿਆ ਵਿਵਹਾਰ, ਅਤੇ ਭਰੋਸੇਮੰਦ ਫਾਲਬੈਕ ਦੇ ਆਲੇ-ਦੁਆਲੇ ਬਣਾਇਆ ਗਿਆ ਹੈ। "ਬੁੱਧੀ" ਸਿਰਫ਼ ਵਸਤੂਆਂ ਨੂੰ ਪਛਾਣਨਾ ਜਾਂ ਨਿਰਦੇਸ਼ਾਂ ਦੀ ਪਾਲਣਾ ਕਰਨਾ ਨਹੀਂ ਹੈ। ਇਹ ਜਾਣਨਾ ਹੈ ਕਿ ਕਦੋਂ ਹਿੱਲਣਾ ਹੈ, ਕਦੋਂ ਹੌਲੀ ਕਰਨਾ ਹੈ, ਕਦੋਂ ਰੁਕਣਾ ਹੈ, ਅਤੇ ਕਦੋਂ ਮਦਦ ਮੰਗਣੀ ਹੈ।.

ਅਕਸਰ ਪੁੱਛੇ ਜਾਂਦੇ ਸਵਾਲ

ਰੋਬੋਟ ਖੁਦਮੁਖਤਿਆਰ ਢੰਗ ਨਾਲ ਕੰਮ ਕਰਨ ਲਈ AI ਦੀ ਵਰਤੋਂ ਕਿਵੇਂ ਕਰਦੇ ਹਨ?

ਰੋਬੋਟ ਇੱਕ ਨਿਰੰਤਰ ਖੁਦਮੁਖਤਿਆਰੀ ਲੂਪ ਚਲਾਉਣ ਲਈ AI ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹਨ: ਦੁਨੀਆ ਨੂੰ ਸਮਝਣਾ, ਕੀ ਹੋ ਰਿਹਾ ਹੈ ਇਸਦੀ ਵਿਆਖਿਆ ਕਰਨਾ, ਇੱਕ ਸੁਰੱਖਿਅਤ ਅਗਲਾ ਕਦਮ ਯੋਜਨਾ ਬਣਾਉਣਾ, ਮੋਟਰਾਂ ਰਾਹੀਂ ਕੰਮ ਕਰਨਾ, ਅਤੇ ਡੇਟਾ ਤੋਂ ਸਿੱਖਣਾ। ਅਭਿਆਸ ਵਿੱਚ, ਇਹ ਇੱਕ "ਜਾਦੂਈ" ਮਾਡਲ ਦੀ ਬਜਾਏ ਇਕੱਠੇ ਕੰਮ ਕਰਨ ਵਾਲੇ ਹਿੱਸਿਆਂ ਦਾ ਇੱਕ ਸਟੈਕ ਹੈ। ਉਦੇਸ਼ ਬਦਲਦੇ ਵਾਤਾਵਰਣਾਂ ਵਿੱਚ ਭਰੋਸੇਯੋਗ ਵਿਵਹਾਰ ਹੈ, ਸੰਪੂਰਨ ਸਥਿਤੀਆਂ ਵਿੱਚ ਇੱਕ ਵਾਰ ਦਾ ਡੈਮੋ ਨਹੀਂ।.

ਕੀ ਰੋਬੋਟ ਏਆਈ ਸਿਰਫ਼ ਇੱਕ ਮਾਡਲ ਹੈ ਜਾਂ ਇੱਕ ਪੂਰਾ ਖੁਦਮੁਖਤਿਆਰੀ ਸਟੈਕ?

ਜ਼ਿਆਦਾਤਰ ਪ੍ਰਣਾਲੀਆਂ ਵਿੱਚ, ਰੋਬੋਟ AI ਇੱਕ ਪੂਰਾ ਸਟੈਕ ਹੁੰਦਾ ਹੈ: ਧਾਰਨਾ, ਸਥਿਤੀ ਅਨੁਮਾਨ, ਯੋਜਨਾਬੰਦੀ, ਅਤੇ ਨਿਯੰਤਰਣ। ਮਸ਼ੀਨ ਸਿਖਲਾਈ ਦ੍ਰਿਸ਼ਟੀ ਅਤੇ ਭਵਿੱਖਬਾਣੀ ਵਰਗੇ ਕੰਮਾਂ ਵਿੱਚ ਮਦਦ ਕਰਦੀ ਹੈ, ਜਦੋਂ ਕਿ ਭੌਤਿਕ ਵਿਗਿਆਨ ਦੀਆਂ ਰੁਕਾਵਟਾਂ ਅਤੇ ਕਲਾਸੀਕਲ ਨਿਯੰਤਰਣ ਗਤੀ ਨੂੰ ਸਥਿਰ ਅਤੇ ਅਨੁਮਾਨਯੋਗ ਰੱਖਦੇ ਹਨ। ਬਹੁਤ ਸਾਰੀਆਂ ਅਸਲ ਤੈਨਾਤੀਆਂ ਇੱਕ ਹਾਈਬ੍ਰਿਡ ਪਹੁੰਚ ਦੀ ਵਰਤੋਂ ਕਰਦੀਆਂ ਹਨ ਕਿਉਂਕਿ ਭਰੋਸੇਯੋਗਤਾ ਚਤੁਰਾਈ ਨਾਲੋਂ ਜ਼ਿਆਦਾ ਮਾਇਨੇ ਰੱਖਦੀ ਹੈ। ਇਸ ਲਈ "ਸਿਰਫ਼ ਵਾਈਬਸ" ਸਿਖਲਾਈ ਘੱਟ ਹੀ ਬਾਹਰ ਨਿਯੰਤਰਿਤ ਸੈਟਿੰਗਾਂ ਤੋਂ ਬਚਦੀ ਹੈ।.

ਏਆਈ ਰੋਬੋਟ ਕਿਹੜੇ ਸੈਂਸਰਾਂ ਅਤੇ ਧਾਰਨਾ ਮਾਡਲਾਂ 'ਤੇ ਨਿਰਭਰ ਕਰਦੇ ਹਨ?

AI ਰੋਬੋਟ ਅਕਸਰ ਕੈਮਰੇ, LiDAR, ਡੂੰਘਾਈ ਸੈਂਸਰ, ਮਾਈਕ੍ਰੋਫੋਨ, IMU, ਏਨਕੋਡਰ, ਅਤੇ ਫੋਰਸ/ਟਾਰਕ ਜਾਂ ਟੈਕਟਾਈਲ ਸੈਂਸਰਾਂ ਨੂੰ ਜੋੜਦੇ ਹਨ। ਧਾਰਨਾ ਮਾਡਲ ਇਹਨਾਂ ਸਟ੍ਰੀਮਾਂ ਨੂੰ ਵਸਤੂ ਪਛਾਣ, ਪੋਜ਼, ਖਾਲੀ ਥਾਂ, ਅਤੇ ਗਤੀ ਸੰਕੇਤਾਂ ਵਰਗੇ ਵਰਤੋਂ ਯੋਗ ਸਿਗਨਲਾਂ ਵਿੱਚ ਬਦਲ ਦਿੰਦੇ ਹਨ। ਇੱਕ ਵਿਹਾਰਕ ਸਭ ਤੋਂ ਵਧੀਆ ਅਭਿਆਸ ਵਿਸ਼ਵਾਸ ਜਾਂ ਅਨਿਸ਼ਚਿਤਤਾ ਨੂੰ ਆਉਟਪੁੱਟ ਕਰਨਾ ਹੈ, ਨਾ ਕਿ ਸਿਰਫ਼ ਲੇਬਲ। ਜਦੋਂ ਸੈਂਸਰ ਚਮਕ, ਧੁੰਦਲਾਪਣ, ਜਾਂ ਗੜਬੜ ਤੋਂ ਘਟਦੇ ਹਨ ਤਾਂ ਉਹ ਅਨਿਸ਼ਚਿਤਤਾ ਸੁਰੱਖਿਅਤ ਯੋਜਨਾਬੰਦੀ ਦਾ ਮਾਰਗਦਰਸ਼ਨ ਕਰ ਸਕਦੀ ਹੈ।.

ਰੋਬੋਟਿਕਸ ਵਿੱਚ SLAM ਕੀ ਹੈ, ਅਤੇ ਇਹ ਕਿਉਂ ਮਾਇਨੇ ਰੱਖਦਾ ਹੈ?

SLAM (ਸਮਾਲਟੇਨਿਯਸ ਲੋਕਾਲਾਈਜੇਸ਼ਨ ਅਤੇ ਮੈਪਿੰਗ) ਰੋਬੋਟ ਨੂੰ ਆਪਣੀ ਸਥਿਤੀ ਦਾ ਅੰਦਾਜ਼ਾ ਲਗਾਉਂਦੇ ਹੋਏ ਇੱਕ ਨਕਸ਼ਾ ਬਣਾਉਣ ਵਿੱਚ ਮਦਦ ਕਰਦਾ ਹੈ। ਇਹ ਉਹਨਾਂ ਰੋਬੋਟਾਂ ਲਈ ਕੇਂਦਰੀ ਹੈ ਜੋ ਘੁੰਮਦੇ ਹਨ ਅਤੇ ਜਦੋਂ ਹਾਲਾਤ ਬਦਲਦੇ ਹਨ ਤਾਂ "ਘਬਰਾਏ" ਬਿਨਾਂ ਨੈਵੀਗੇਟ ਕਰਨ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਆਮ ਇਨਪੁਟਸ ਵਿੱਚ ਵ੍ਹੀਲ ਓਡੋਮੈਟਰੀ, IMU, ਅਤੇ LiDAR ਜਾਂ ਵਿਜ਼ਨ ਲੈਂਡਮਾਰਕਸ, ਕਈ ਵਾਰ GPS ਬਾਹਰ ਸ਼ਾਮਲ ਹੁੰਦੇ ਹਨ। ਚੰਗੇ ਸਟੈਕ ਡ੍ਰਿਫਟ ਅਤੇ ਅਨਿਸ਼ਚਿਤਤਾ ਨੂੰ ਟਰੈਕ ਕਰਦੇ ਹਨ ਤਾਂ ਜੋ ਰੋਬੋਟ ਵਧੇਰੇ ਰੂੜੀਵਾਦੀ ਢੰਗ ਨਾਲ ਵਿਵਹਾਰ ਕਰ ਸਕੇ ਜਦੋਂ ਸਥਾਨੀਕਰਨ ਹਿੱਲ ਜਾਂਦਾ ਹੈ।.

ਰੋਬੋਟ ਯੋਜਨਾਬੰਦੀ ਅਤੇ ਰੋਬੋਟ ਨਿਯੰਤਰਣ ਕਿਵੇਂ ਵੱਖਰੇ ਹਨ?

ਯੋਜਨਾਬੰਦੀ ਇਹ ਤੈਅ ਕਰਦੀ ਹੈ ਕਿ ਰੋਬੋਟ ਨੂੰ ਅੱਗੇ ਕੀ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ, ਜਿਵੇਂ ਕਿ ਮੰਜ਼ਿਲ ਚੁਣਨਾ, ਰੁਕਾਵਟਾਂ ਦੇ ਆਲੇ-ਦੁਆਲੇ ਘੁੰਮਣਾ, ਜਾਂ ਲੋਕਾਂ ਤੋਂ ਬਚਣਾ। ਨਿਯੰਤਰਣ ਰਗੜ, ਪੇਲੋਡ ਤਬਦੀਲੀਆਂ, ਅਤੇ ਮੋਟਰ ਦੇਰੀ ਦੇ ਬਾਵਜੂਦ ਉਸ ਯੋਜਨਾ ਨੂੰ ਨਿਰਵਿਘਨ, ਸਥਿਰ ਗਤੀ ਵਿੱਚ ਬਦਲ ਦਿੰਦਾ ਹੈ। ਯੋਜਨਾਬੰਦੀ ਨੂੰ ਅਕਸਰ ਗਲੋਬਲ ਯੋਜਨਾਬੰਦੀ (ਵੱਡੀ-ਤਸਵੀਰ ਰੂਟ) ਅਤੇ ਸਥਾਨਕ ਯੋਜਨਾਬੰਦੀ (ਰੁਕਾਵਟਾਂ ਦੇ ਨੇੜੇ ਤੇਜ਼ ਪ੍ਰਤੀਬਿੰਬ) ਵਿੱਚ ਵੰਡਿਆ ਜਾਂਦਾ ਹੈ। ਨਿਯੰਤਰਣ ਆਮ ਤੌਰ 'ਤੇ ਯੋਜਨਾ ਦੀ ਭਰੋਸੇਯੋਗਤਾ ਨਾਲ ਪਾਲਣਾ ਕਰਨ ਲਈ PID, ਮਾਡਲ-ਅਧਾਰਤ ਨਿਯੰਤਰਣ, ਜਾਂ ਮਾਡਲ ਭਵਿੱਖਬਾਣੀ ਨਿਯੰਤਰਣ ਵਰਗੇ ਸਾਧਨਾਂ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ।.

ਰੋਬੋਟ ਅਨਿਸ਼ਚਿਤਤਾ ਜਾਂ ਘੱਟ ਆਤਮਵਿਸ਼ਵਾਸ ਨੂੰ ਸੁਰੱਖਿਅਤ ਢੰਗ ਨਾਲ ਕਿਵੇਂ ਸੰਭਾਲਦੇ ਹਨ?

ਚੰਗੀ ਤਰ੍ਹਾਂ ਡਿਜ਼ਾਈਨ ਕੀਤੇ ਰੋਬੋਟ ਅਨਿਸ਼ਚਿਤਤਾ ਨੂੰ ਵਿਵਹਾਰ ਦੇ ਇਨਪੁੱਟ ਵਜੋਂ ਮੰਨਦੇ ਹਨ, ਨਾ ਕਿ ਕਿਸੇ ਚੀਜ਼ ਨੂੰ ਨਜ਼ਰਅੰਦਾਜ਼ ਕਰਨ ਲਈ। ਜਦੋਂ ਧਾਰਨਾ ਜਾਂ ਸਥਾਨੀਕਰਨ ਵਿਸ਼ਵਾਸ ਘੱਟ ਜਾਂਦਾ ਹੈ, ਤਾਂ ਇੱਕ ਆਮ ਪਹੁੰਚ ਹੌਲੀ ਕਰਨਾ, ਸੁਰੱਖਿਆ ਮਾਰਜਿਨ ਵਧਾਉਣਾ, ਸੁਰੱਖਿਅਤ ਢੰਗ ਨਾਲ ਰੁਕਣਾ, ਜਾਂ ਅਨੁਮਾਨ ਲਗਾਉਣ ਦੀ ਬਜਾਏ ਮਨੁੱਖੀ ਮਦਦ ਦੀ ਬੇਨਤੀ ਕਰਨਾ ਹੈ। ਸਿਸਟਮ ਕਾਰਵਾਈਆਂ ਅਤੇ ਸੰਦਰਭ ਨੂੰ ਵੀ ਲੌਗ ਕਰਦੇ ਹਨ ਤਾਂ ਜੋ ਘਟਨਾਵਾਂ ਆਡਿਟਯੋਗ ਅਤੇ ਠੀਕ ਕਰਨ ਵਿੱਚ ਆਸਾਨ ਹੋਣ। ਇਹ "ਸ਼ਾਨਦਾਰ ਅਸਫਲਤਾ" ਮਾਨਸਿਕਤਾ ਡੈਮੋ ਅਤੇ ਤੈਨਾਤ ਰੋਬੋਟਾਂ ਵਿਚਕਾਰ ਇੱਕ ਮੁੱਖ ਅੰਤਰ ਹੈ।.

ਰੋਬੋਟਾਂ ਲਈ ਰੀਇਨਫੋਰਸਮੈਂਟ ਲਰਨਿੰਗ ਕਦੋਂ ਲਾਭਦਾਇਕ ਹੁੰਦੀ ਹੈ, ਅਤੇ ਇਸਨੂੰ ਕੀ ਔਖਾ ਬਣਾਉਂਦਾ ਹੈ?

ਰੀਇਨਫੋਰਸਮੈਂਟ ਲਰਨਿੰਗ ਅਕਸਰ ਗੁੰਝਲਦਾਰ ਹੁਨਰਾਂ ਜਿਵੇਂ ਕਿ ਹੇਰਾਫੇਰੀ ਜਾਂ ਲੋਕੋਮੋਸ਼ਨ ਲਈ ਵਰਤੀ ਜਾਂਦੀ ਹੈ ਜਿੱਥੇ ਕੰਟਰੋਲਰ ਨੂੰ ਹੱਥ ਨਾਲ ਡਿਜ਼ਾਈਨ ਕਰਨਾ ਦਰਦਨਾਕ ਹੁੰਦਾ ਹੈ। ਇਹ ਇਨਾਮ-ਸੰਚਾਲਿਤ ਅਜ਼ਮਾਇਸ਼ ਅਤੇ ਗਲਤੀ ਦੁਆਰਾ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਵਿਵਹਾਰਾਂ ਦੀ ਖੋਜ ਕਰ ਸਕਦਾ ਹੈ, ਅਕਸਰ ਸਿਮੂਲੇਸ਼ਨ ਵਿੱਚ। ਤੈਨਾਤੀ ਮੁਸ਼ਕਲ ਹੋ ਜਾਂਦੀ ਹੈ ਕਿਉਂਕਿ ਖੋਜ ਅਸੁਰੱਖਿਅਤ ਹੋ ਸਕਦੀ ਹੈ, ਡੇਟਾ ਮਹਿੰਗਾ ਹੋ ਸਕਦਾ ਹੈ, ਅਤੇ ਸਿਮ-ਟੂ-ਰੀਅਲ ਗੈਪ ਨੀਤੀਆਂ ਨੂੰ ਤੋੜ ਸਕਦੇ ਹਨ। ਬਹੁਤ ਸਾਰੀਆਂ ਪਾਈਪਲਾਈਨਾਂ ਸੁਰੱਖਿਆ ਅਤੇ ਸਥਿਰਤਾ ਲਈ ਰੁਕਾਵਟਾਂ ਅਤੇ ਕਲਾਸੀਕਲ ਨਿਯੰਤਰਣ ਦੇ ਨਾਲ, RL ਦੀ ਚੋਣਵੇਂ ਰੂਪ ਵਿੱਚ ਵਰਤੋਂ ਕਰਦੀਆਂ ਹਨ।.

ਕੀ ਫਾਊਂਡੇਸ਼ਨ ਮਾਡਲ ਰੋਬੋਟ ਦੇ AI ਦੀ ਵਰਤੋਂ ਦੇ ਤਰੀਕੇ ਨੂੰ ਬਦਲ ਰਹੇ ਹਨ?

ਫਾਊਂਡੇਸ਼ਨ-ਮਾਡਲ ਪਹੁੰਚ ਰੋਬੋਟਾਂ ਨੂੰ ਵਧੇਰੇ ਆਮ, ਨਿਰਦੇਸ਼-ਅਨੁਸਾਰ ਵਿਵਹਾਰ ਵੱਲ ਧੱਕ ਰਹੇ ਹਨ, ਖਾਸ ਕਰਕੇ RT-2-ਸ਼ੈਲੀ ਪ੍ਰਣਾਲੀਆਂ ਵਰਗੇ ਵਿਜ਼ਨ-ਲੈਂਗਵੇਜ-ਐਕਸ਼ਨ (VLA) ਮਾਡਲਾਂ ਨਾਲ। ਇਸਦਾ ਫਾਇਦਾ ਲਚਕਤਾ ਹੈ: ਰੋਬੋਟ ਜੋ ਦੇਖਦਾ ਹੈ ਉਸਨੂੰ ਉਸ ਨਾਲ ਜੋੜਨਾ ਜੋ ਇਸਨੂੰ ਕਰਨ ਲਈ ਕਿਹਾ ਜਾਂਦਾ ਹੈ ਅਤੇ ਇਸਨੂੰ ਕਿਵੇਂ ਕੰਮ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ। ਅਸਲੀਅਤ ਇਹ ਹੈ ਕਿ ਕਲਾਸਿਕ ਅਨੁਮਾਨ, ਸੁਰੱਖਿਆ ਪਾਬੰਦੀਆਂ, ਅਤੇ ਰੂੜੀਵਾਦੀ ਨਿਯੰਤਰਣ ਅਜੇ ਵੀ ਭੌਤਿਕ ਭਰੋਸੇਯੋਗਤਾ ਲਈ ਮਾਇਨੇ ਰੱਖਦੇ ਹਨ। ਬਹੁਤ ਸਾਰੀਆਂ ਟੀਮਾਂ ਇਸਨੂੰ ਜੀਵਨ ਚੱਕਰ ਜੋਖਮ ਪ੍ਰਬੰਧਨ ਦੇ ਰੂਪ ਵਿੱਚ ਫਰੇਮ ਕਰਦੀਆਂ ਹਨ, ਜੋ ਕਿ NIST ਦੇ AI RMF ਵਰਗੇ ਫਰੇਮਵਰਕ ਦੇ ਸਮਾਨ ਹੈ।.

ਹਵਾਲੇ

[1] ਡੁਰੈਂਟ-ਵਾਈਟ ਅਤੇ ਬੇਲੀ - ਸਮਕਾਲੀ ਸਥਾਨੀਕਰਨ ਅਤੇ ਮੈਪਿੰਗ (SLAM): ਭਾਗ I ਜ਼ਰੂਰੀ ਐਲਗੋਰਿਦਮ (PDF)
[2] ਲਿੰਚ ਅਤੇ ਪਾਰਕ - ਆਧੁਨਿਕ ਰੋਬੋਟਿਕਸ: ਮਕੈਨਿਕਸ, ਯੋਜਨਾਬੰਦੀ, ਅਤੇ ਨਿਯੰਤਰਣ (ਪ੍ਰੀਪ੍ਰਿੰਟ PDF)
[3] ਸਟਨ ਅਤੇ ਬਾਰਟੋ - ਰੀਇਨਫੋਰਸਮੈਂਟ ਲਰਨਿੰਗ: ਇੱਕ ਜਾਣ-ਪਛਾਣ (ਦੂਜਾ ਐਡੀਸ਼ਨ ਡਰਾਫਟ PDF)
[4] NIST - ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਜੋਖਮ ਪ੍ਰਬੰਧਨ ਫਰੇਮਵਰਕ (AI RMF 1.0) (PDF)
[5] ਬ੍ਰੋਹਾਨ ਅਤੇ ਹੋਰ - RT-2: ਵਿਜ਼ਨ-ਭਾਸ਼ਾ-ਐਕਸ਼ਨ ਮਾਡਲ ਵੈੱਬ ਗਿਆਨ ਨੂੰ ਰੋਬੋਟਿਕ ਨਿਯੰਤਰਣ ਵਿੱਚ ਟ੍ਰਾਂਸਫਰ ਕਰਦੇ ਹਨ (arXiv)

ਅਧਿਕਾਰਤ AI ਸਹਾਇਕ ਸਟੋਰ 'ਤੇ ਨਵੀਨਤਮ AI ਲੱਭੋ

ਸਾਡੇ ਬਾਰੇ