Khi thế giới bắt đầu những bước chuyển mình mới, hướng tới một tương lai xanh và bền vững, ngành công nghiệp ô tô cũng không nằm ngoài xu hướng đó. Cuộc cách mạng xe điện đang diễn ra mạnh mẽ trên toàn cầu, và những lợi ích thiết thực mà nó mang lại cho người dùng ngày càng trở nên rõ ràng, đặc biệt là về mặt kinh tế.
Mahr Engineered Solutions vừa ra mắt một giải pháp hoàn toàn mới dành cho các trạm đo độ nhám và đường viền MarSurf: bộ phận xoay thủ công. Thiết bị này giúp tăng đáng kể tính linh hoạt và khả năng tiếp cận các điểm đo phức tạp trên phôi gia công – một bước tiến quan trọng trong cải tiến hiệu suất đo lường công nghiệp.
Trong quá trình gia công cơ khí chính xác, việc kiểm soát độ nhám bề mặt là yếu tố then chốt để đảm bảo chất lượng sản phẩm và tuổi thọ của chi tiết. Tuy nhiên, không phải lúc nào cũng thuận tiện để mang mẫu đến phòng thí nghiệm đo lường. Đó là lý do MarSurf PS 10 – thiết bị đo độ nhám bề mặt cầm tay của Mahr (Đức) – trở thành giải pháp lý tưởng cho các nhà máy tại Việt Nam.
Rainbow Dash có thể đi bộ trên nhiều bề mặt như tấm nệm xốp hoặc thảm lau chân với nhiều điểm gấp khúc ngẫu nhiên.
Lĩnh vực chế tạo robot đã ngày càng tiến bộ, trong đó có con robot mang lên Rainbow Dash với khả năng tự học cách đi bộ. Mẫu robot bốn chân này chỉ cần vài giờ để học cách đi lùi và tiến, rẽ phải và trái.
Các nhà nghiên cứu từ Google, UC Berkeley và Viện Công nghệ Georgia đã xuất bản một bài báo trên trang ArXiv mô tả một kỹ thuật AI thống kê được gọi là học tăng cường sâu mà họ đã sử dụng để tạo ra thành tựu robot thông minh thế hệ mới.
Hầu hết các kỹ thuật tự học thông minh trước đây đều diễn ra trong môi trường mô phỏng máy tính. Tuy nhiên, Rainbow Dash đã sử dụng công nghệ này để học cách đi bộ trong môi trường vật lý thực tế. Hơn nữa, nó có thể làm như vậy mà không cần một cơ chế giảng dạy chuyên dụng, chẳng hạn như người hướng dẫn hoặc dữ liệu lập trình sẵn. Rainbow Dash đã thành công khi đi bộ trên nhiều bề mặt, bao gồm nệm xốp mềm và thảm lau chân với nhiều điểm gấp khúc ngẫu nhiên.
.jpg)
Robot có thể tự học và hoạt động độc lập mà không cần người hướng dẫn hoặc dữ liệu lập trình sẵn.
Các kỹ thuật học sâu mà robot sử dụng bao gồm một loại học máy thử đúng và sai liên tục bằng cách tương tác nhiều lần với môi trường. Cách này tương tự như các trò chơi máy tính dùng phương pháp kỹ thuật số học cách chơi để giành chiến thắng. Hình thức học máy này khác biệt rõ rệt với học tập có giám sát hoặc không giám sát truyền thống, trong đó các mô hình học máy đòi hỏi dữ liệu đào tạo phải được phân định rõ ràng. Học tăng cường sâu kết hợp các phương pháp học tăng cường với học sâu , trong đó quy mô của học máy truyền thống được mở rộng đáng kể bằng sức mạnh của các phép tính toán khổng lồ.
Mặc dù nhóm nghiên cứu cho rằng Rainbow Dash đã học cách tự đi lại, sự can thiệp của con người vẫn đóng một vai trò quan trọng trong việc đạt được mục tiêu đó. Các nhà nghiên cứu đã phải tạo ra các đường ranh giới, robot phải học cách đi bộ để giữ cho nó không rời khỏi khu vực. Họ cũng đã phải nghĩ ra các thuật toán cụ thể để ngăn robot rơi xuống, một trong số đó là tập trung vào việc kìm hãm chuyển động của robot. Để ngăn ngừa tai nạn và thiệt hại do rơi xuống, việc học tăng cường robot thường diễn ra trong môi trường kỹ thuật số trước khi các thuật toán được chuyển sang dạng vật lý để bảo vệ sự an toàn của robot.
Thành công của Rainbow Dash đạt được sau khoảng một năm các nhà nghiên cứu tìm ra cách cho robot học môi trường vật lý thực tế thay vì dạng ảo như trước đây. Chelsea Finn, giáo sư trợ lý Stanford liên kết với Google nói: "Loại bỏ con người khỏi quá trình học tập của robot là điều thực sự khó khăn. Bằng cách cho phép robot học tự chủ, nó có thể hoạt động gần gũi hơn với khả năng học sâu tăng cường trong thế giới thực".
Nguồn: vnexpress.net
(84) 896 555 247
Tiếng Việt
English