gprisma Sebuah robot boleh melakukan segala yang diminta kepadanya dan masih meninggalkan soalan penting tentang apa yang berlaku seterusnya. Itu kerana kerja fizikal adalah saling berkaitan. Sebuah robot menyelesaikan satu tindakan, tindakan seterusnya mengikutnya. Robot lain mungkin memerlukan ruang yang sama. Seseorang mungkin perlu mencapai ke kawasan itu. Objek seterusnya mungkin sudah menunggu. Jadi, robot tidak hanya bertanggungjawab untuk menyelesaikan tugasnya sendiri. Cara ia menyelesaikan tugas itu juga boleh mempengaruhi tugas yang datang selepasnya. Itulah butiran yang saya anggap menarik dalam episod ini (Episod #50981). Lengan akhirnya bergerak menjauh dari kawasan yang telah mereka kerjakan, dan penyelesaian ringkas ini membuka idea yang lebih besar tentang bagaimana kita sepatutnya menilai AI Fizikal. [] Tugas yang selesai masih boleh mencipta masalah Bayangkan sebuah robot meletakkan sampel tepat di tempat yang sepatutnya, tetapi meninggalkan lengannya terletak di atas kawasan yang perlu digunakan seterusnya. Tugas pertama berjaya. Tugas kedua kini menghadapi masalah. Ini adalah perbezaan penting antara robot yang bekerja melalui demonstrasi terpisah dan robot yang bekerja secara berterusan dalam persekitaran sebenar. Dalam makmal, pabrik, hospital, atau ruang bersama lain yang sebenar, jarang ada penyesuaian bersih selepas setiap tugas. Robot menyelesaikan satu perkara di dalam persekitaran yang sama di mana sesuatu yang lain perlu berlaku. Itu bermakna kejayaan tidak boleh hanya diukur berdasarkan kedudukan akhir objek. Kita juga perlu memperhatikan keadaan yang ditinggalkan oleh robot. [] Gerakan terakhir boleh mempengaruhi sepuluh seterusnya Ini menjadi lebih penting apabila tugas-tugas saling berkaitan. Satu tindakan mungkin mempersiapkan sesuatu untuk tindakan lain. Satu robot mungkin perlu menyelesaikan tugasnya sebelum robot lain boleh memasuki kawasan yang sama dengan selamat. Seseorang mungkin memerlukan akses segera selepas mesin selesai. Jika robot pertama meninggalkan ruang itu dengan cara yang tidak selesa, langkah seterusnya mungkin memerlukan gerakan tambahan, masa tambahan, atau bahkan campur tangan manusia. Ketidakefisienan kecil ini boleh berulang sepanjang alur kerja yang panjang. Beberapa saat yang tidak perlu pada akhir satu tugas mungkin tidak begitu penting sekali sahaja. Namun, apabila berulang ratusan atau ribuan kali, ia boleh menjadi masalah operasi yang nyata. [] Ruang bersama mengubah bentuk tingkah laku yang baik Ini adalah salah satu perbezaan besar antara perisian dan AI fizikal. Proses perisian boleh selesai dan menghilang dari jalan. Robot fizikal masih menduduki ruang. Lengannya mempunyai kedudukan. Badannya mempunyai kedudukan. Objek-objek di sekelilingnya juga mempunyai kedudukan. Oleh itu, AI fizikal perlu belajar bukan sahaja bagaimana mencapai matlamat, tetapi juga bagaimana beroperasi di sekeliling segala sesuatu yang berkongsi persekitaran itu. Itulah sebabnya kedudukan akhir robot boleh membawa maklumat yang berguna. Ia memberitahu kita sama ada robot itu memahami bahawa kehadirannya sendiri adalah sebahagian daripada persekitaran kerja. [] Tugas seterusnya tidak sepatutnya perlu membersihkan tugas sebelumnya Di sini terdapat satu lagi titik praktikal. Jika setiap tugas baru memerlukan seseorang atau robot lain untuk terlebih dahulu menggerakkan robot sebelumnya keluar dari jalan, maka sebahagian daripada kerja itu hanya dipindahkan ke tempat lain. Robot asal mungkin masih mendapat markah kerana menyelesaikan arahan tersebut. Tetapi sistem yang lebih luas melakukan kerja tambahan kerana cara tugas itu berakhir. Untuk AI fizikal masa depan, perbezaan ini penting. Kita ingin robot yang boleh menyumbang kepada alur kerja berterusan, bukan robot yang menyelesaikan tindakan terpisah sambil meninggalkan orang lain untuk menjadikan persekitaran itu boleh digunakan semula. [] Inilah sebabnya penutupan juga patut diperiksa Pemeriksaan memberi kita peluang untuk melihat melampaui momen kejayaan yang jelas. Bukti yang berguna bukan hanya sama ada robot itu mengendalikan objek yang betul atau mencapai tempat yang betul. Ia juga tentang apa yang berlaku di sekeliling tindakan itu dan apa yang ditinggalkan oleh robot apabila ia selesai. Maklumat ini menjadi berharga apabila melatih robot untuk persekitaran di mana tugas-tugas saling berkaitan, ruang dibahagikan, dan kesilapan atau kedudukan yang buruk boleh mempengaruhi apa yang berlaku seterusnya. 👇👇