L’intelligence artificielle est en passe de changer toutes les industries, et l’industrie de la robotique ne fait pas exception, à l’heure actuelle, le mélange innovant d’intelligence artificielle et de robots a créé un certain nombre de possibilités futures dans tous les domaines de l’industrie, tandis que la plupart d’entre nous conviendront que la plupart des robots seront humains d’ici 10 ans; Dans de nombreux contextes, les robots sont conçus pour simuler une gamme de comportements et de capacités physiques qui refléteront le mieux ces caractéristiques.

L’exception peut être les robots qui fournissent des soins médicaux ou autres, ou qui fournissent de la compagnie aux humains, et éventuellement des robots de service qui visent à établir une relation plus personnelle et humaine, pour vous comment différentes technologies qui combinent l’intelligence artificielle et l’apprentissage automatique feront une différence dans Le monde de la robotique.

• Vision par ordinateur:

Bien que pertinent, certains peuvent soutenir que le terme correct est la vision industrielle ou la vision robotique plutôt que la vision par ordinateur, car voir des robots implique plus que de simples algorithmes informatiques; Les ingénieurs et les scientifiques en robotique doivent également envisager des appareils photo qui permettent aux robots de traiter des données physiques, et la vision des robots est étroitement liée à la vision industrielle, à laquelle on peut attribuer l’émergence des systèmes de guidage robotique et de balayage automatique.

• Apprendre la simulation:

L’apprentissage de la simulation est étroitement lié à l’apprentissage par observation, un comportement que présentent les nourrissons et les jeunes enfants. L’apprentissage par simulation est également une classe complète d’apprentissage amélioré ou le défi d’obtenir un agent pour travailler dans le monde pour augmenter ses récompenses, et les modèles probabilistes sont une caractéristique commune de cette approche d’apprentissage automatique, et la question a été supposée que l’apprentissage par simulation peut être utilisé pour des robots ressemblant à des humains depuis 1999.

• Auto-apprentissage:

Les approches d’apprentissage auto-supervisées de l’IA permettent aux robots de créer leurs propres exemples de formation; Afin d’améliorer les performances, cela inclut l’utilisation de la formation précédente et des données capturées de près pour interpréter les données de capteurs mystérieux de grande portée. Il est intégré dans des robots et des dispositifs optiques capables de détecter et de rejeter des objets – tels que la poussière et la neige, par exemple – et d’identifier les légumes et les obstacles en terrain accidenté, ainsi que dans l’analyse de scènes 3D et la modélisation de la dynamique des véhicules.

• Technologies médicales et auxiliaires:

Le robot auxiliaire est un appareil qui peut détecter et traiter les informations sensorielles, mettre en œuvre des actions qui profitent aux personnes handicapées et aux personnes âgées, et les robots de thérapie motrice alimentés par l’IA offrent un avantage diagnostique ou thérapeutique. Chacune de ces technologies est encore largement confinée aux laboratoires; Parce que c’est encore très cher pour la plupart des hôpitaux du monde.

• Apprentissage multi-agents:

La coordination et la négociation sont des éléments clés de l’apprentissage multi-agents conscient de l’IA qui comprend des robots ou des agents d’apprentissage automatique – cette technologie a été largement appliquée dans les jeux – capable de s’adapter au paysage changeant des robots ou d’autres agents, de trouver un équilibre dans les stratégies, et notamment Approches d’apprentissage multi-agents Algorithmes pondérés qui améliorent les résultats d’apprentissage dans la planification multi-agents et l’apprentissage dans des systèmes de contrôle distribués et basés sur le marché.