När en robot lär sig kan alla robotar dra nytta av det

Robotar blir allt vanligare på gator, gårdar, i fabriker och på industrianläggningar. Arbetet genererar också stora mängder sensordata, video, telemetri, diagnostik och driftsloggar. Det är fortfarande en utmaning att flytta dessa data mellan maskinerna och de datorsystem som stöder dem.

US Federal Aviation Administration räknar med att den kommersiella drönarflottan växer från cirka 966 000 farkoster i slutet av 2024 till omkring 1,18 miljoner år 2029. Uppskattningsvis 4,66 miljoner industrirobotar arbetade världen över 2024, och ytterligare en halv miljon installerades det året.

Maskiner behöver skicka sina data till datacenter och kan också behöva kartor, programuppdateringar, konfigurationer, AI-modeller och instruktioner tillbaka. Artikeln säger att människor som bär hårddiskar fortfarande är det snabbaste sättet att flytta stora datamängder från en maskin år 2026. Den menar att nätkapacitet kan bli en flaskhals när flottorna växer och depåer hanterar kraftiga toppar i uppladdningar och nedladdningar.

Google DeepMind’s Gemini Robotics 1.5 visade överföring av färdigheter ”zero-shot” mellan fysiskt olika robotar: en uppgift som lärdes ut med en tvåarmad Franka-robot utfördes av en humanoid robot utan att data samlades in från målenheten. Exemplet tyder på att uppkopplade robotar kan dela med sig av det de lär sig.

Artikeln hänvisar också till en universitetsrapport från 2019 om 6G, som beskrev nätverk som skulle kunna hantera en 10 000-faldig ökning av trafiken. Den återger ett påstående om att maskiner stod för mer än 57 % av den globala webbtrafiken i juni ”i år” och säger att Cloudflare förutspår att icke-mänsklig trafik kan överstiga mänsklig trafik med en faktor på 1 000 inom fem år. Artikeln föreslår att trådlösa länkar kan vara ett mer flexibelt sätt att ansluta nya depåer och tillfälliga anläggningar än att bygga ut fiber, vilket kan kräva dyr och tidskrävande schaktning och tillstånd.