211service.com
Robot, który uczy się korzystać z narzędzi
Aby pomóc ludziom w domu, roboty będą musiały radzić sobie z nieznanym. Ale chociaż naukowcy mogą wstępnie zaprogramować roboty do wykonywania coraz bardziej skomplikowanych zadań, stoją przed znacznie większym wyzwaniem polegającym na nauczeniu ich dostosowywania się do nieustrukturyzowanych środowisk. Robot opracowany na Uniwersytecie Massachusetts w Amherst jest jednak w stanie nauczyć się posługiwania przedmiotami, z którymi nigdy wcześniej się nie spotkał.
Dotykowy uczeń: Robot UMan ma koła, akumulator, jednometrowe ramię i trójpalczastą rękę, której używa do szturchania przedmiotów na stole, aby określić, jak się poruszają.
Robot – zwany UMass Mobile Manipulator lub UMan – przesuwa przedmioty na stole, aby zobaczyć, jak się poruszają. Gdy zidentyfikuje ruchome części obiektu, zaczyna z nim eksperymentować, manipulując nim w celu wykonywania zadań. Można sobie wyobrazić dziecko bawiące się zabawką, ciągnące różne części i sprawdzające, jak się porusza, mówi główny autor i doktorant Dov Katz, który pracował z Oliverem Brockiem, profesorem informatyki.
Jednym z wyzwań w robotyce jest inteligentne działanie robota, nawet jeśli nie zna on kształtu obiektu, mówi Andrzej Ng , informatyk na Uniwersytecie Stanforda , który pracuje nad chwytaniem przez roboty .
Myślę, że ich praca jest ważnym krokiem w tym kierunku, mówi Ng. Wcześniej, jeśli ktoś chce, aby robot używał nożyczek, napisze dużo oprogramowania [definiującego], czym są nożyczki i jak oba ostrza poruszają się względem siebie. Z kolei Katz i Brock proponują zupełnie nowe podejście, w którym robot sam bawi się nożyczkami i domyśla się, w jaki sposób oba ostrza są ze sobą połączone.
UMan używa zwykłej kamery internetowej, aby spojrzeć na stół z góry. Analizując różnice między sąsiednimi pikselami, zgaduje, gdzie można znaleźć krawędzie obiektu. Następnie szturcha przedmiot i na podstawie tego, jak się porusza, koryguje swoje oszacowanie kształtu przedmiotu ( zobacz wideo poniżej ). Kontynuuje przesuwanie obiektu dookoła, obserwując, jak jego części poruszają się względem siebie. UMan popchnie obiekt do tyłu i do przodu wzdłuż jego szerokości i długości oraz pod kątem 45 stopni do obu, jeśli to konieczne, aż będzie przekonany, że rozumie, jak porusza się obiekt. Wszędzie tam, gdzie ruch jest ograniczony, robot stwierdza, że istnieje staw. Następnie UMan wykorzystuje te informacje, aby znaleźć najlepszy sposób manipulowania obiektem. Może również stwierdzić, czy istnieje wiele stawów i jak są one ze sobą powiązane.
Źródło: Dov Katz
Katz mówi, że jego zespół inspirował się pracą Paweł Fitzpatrick , badacz w LIRA-Lab na Uniwersytecie w Genui we Włoszech. W badaniach Fitzpatricka robot stukał w przedmiot, aby odróżnić go od tła wizualnego. To, co podoba mi się w pracach Amherst, w porównaniu z moimi, to to, że wydobywają znacznie więcej informacji z zasadniczo tego samego działania, mówi Fitzpatrick. Jest to odpowiednik robota „grzebania się” z przedmiotem, w którym tak naprawdę nie wiesz o nim wystarczająco dużo, aby zręcznie nim manipulować.
Obecnie UMan nie jest przystosowany do podnoszenia przedmiotów; zamiast tego manipuluje nimi na powierzchni stołu. Z powodzeniem nauczył się manipulować nożyczkami, nożycami i kilkoma różnymi rodzajami drewnianych zabawek. Nieco niższy niż przeciętny człowiek, ma jedno ramię o długości około metra. Według Katza siedem stopni swobody ramienia sprawia, że jest ono bardzo podobne do ludzkiego ramienia pod względem elastyczności. Ramię posiada trójpalczastą rękę i jest osadzone na obrotowej podstawie.
Naukowcy spodziewają się, że UMan wkrótce będzie mógł wykorzystać przeszłe doświadczenia jako wskazówki do obchodzenia się z nowymi obiektami. W symulacjach komputerowych przetestowali algorytm uczenia się dla UMan, aby następnym razem, gdy zobaczy podobny obiekt, może uogólnić i użyć tego samego działania, mówi Katz. Na przykład dowiadujesz się czegoś o nożyczkach i następnym razem, gdy widzisz zszywacz, rozumiesz, że ma on podobną strukturę. W symulacjach algorytm był w stanie zidentyfikować połączenia, popychając obiekty tylko w jednym kierunku, w przeciwieństwie do sześciu, których obecnie używa UMan. Katz ma jednak nadzieję, że w końcu robot nie będzie musiał nawet dotykać nowego obiektu: dokona generalizacji na jego temat na podstawie samej obserwacji wizualnej. Katz spodziewa się przetestować algorytm uczenia się w świecie rzeczywistym w przyszłym roku.
Ta praca wydaje się być krokiem w kierunku bardziej ludzkiego procesu wyczuwania manipulacji i percepcji, mówi Josh Smith , który pracuje nad wykrywaniem dla robotów chwytających w firmie Intel. Podejście UMassa, mówi Smith, jest filozoficznie interesujące, ponieważ łączy manipulację z odczuwaniem i percepcją.