211service.com
Robots, kas mācās izmantot rīkus
Lai palīdzētu cilvēkiem visā mājā, robotiem būs jāspēj tikt galā ar nepazīstamiem. Bet, lai gan pētnieki var iepriekš ieprogrammēt robotus, lai tie veiktu arvien sarežģītākus uzdevumus, viņi saskaras ar daudz lielāku izaicinājumu, mācot viņiem pielāgoties nestrukturētai videi. Masačūsetsas Amherstas universitātē izstrādātais robots tomēr spēj iemācīties izmantot objektus, ar kādiem tas vēl nekad nav saskāries.
Taktils apmācāmais: UMan robotam ir riteņi, akumulators, viena metra roka un trīs pirkstu roka, ko tas izmanto, lai virzītu priekšmetus uz galda, lai noteiktu, kā tie pārvietojas.
Robots, ko sauc par UMass Mobile Manipulator vai UMan, stumj objektus uz galda, lai redzētu, kā tie pārvietojas. Kad tas identificē objekta kustīgās daļas, tas sāk ar to eksperimentēt, manipulējot ar to, lai veiktu uzdevumus. Jūs varat iedomāties, ka mazulis spēlējas ar rotaļlietu un velk dažādas daļas un redz, kas kustas, saka vadošais autors un maģistrants Dovs Katzs, kurš strādāja kopā ar datorzinātņu profesoru Oliveru Broku.
Viens no izaicinājumiem robotikā ir panākt, lai [robots] darbotos saprātīgi, pat ja tas nezina objekta formu, saka Endrjū Ng , datorzinātnieks Stenfordas Universitātē, kurš strādā pie robotu satveršanas.
Es domāju, ka viņu darbs ir svarīgs solis šajā virzienā, saka Ng. Iepriekš, ja kāds vēlas, lai robots izmantotu šķēres, viņš uzrakstīs daudz programmatūras, kas [definē], kas ir šķēres un kā abi asmeņi pārvietojas viens pret otru. Turpretim Katzs un Broks piedāvā pilnīgi jaunu pieeju, kur robots pats spēlējas ar šķērēm un izdomā, kā abi asmeņi ir savienoti viens ar otru.
UMan izmanto parastu tīmekļa kameru, lai skatītos uz galdu no augšas. Analizējot atšķirības starp blakus esošajiem pikseļiem, tas uzmin, kur var atrast objekta malas. Pēc tam tas virza objektu un, pamatojoties uz to, kā tas pārvietojas, pārskata savu aptuveno objekta formu ( skatiet video zemāk ). Tas turpina bīdīt objektu apkārt, vērojot, kā tā daļas pārvietojas viena pret otru. UMan bīdīs objektu atpakaļ un uz priekšu visā tā platumā un garumā un 45 grādu leņķī pret abiem, ja nepieciešams, līdz būs pārliecināts, ka tas saprot, kā objekts pārvietojas. Visur, kur kustība ir ierobežota, robots secina, ka ir locītava. Pēc tam UMan izmanto šo informāciju, lai noskaidrotu labāko veidu, kā manipulēt ar objektu. Tas var arī noteikt, vai ir vairākas locītavas un kā tās ir saistītas viena ar otru.
Kredīts: Dov Katz
Katz saka, ka viņa komandu iedvesmoja darbs Pols Ficpatriks , pētnieks LIRA-Lab Dženovas Universitātē Itālijā. Ficpatrika pētījumā robots pieskārās objektam, lai atšķirtu to no tā vizuālā fona. Tas, kas man patīk Amhersta darbā, salīdzinot ar manu darbu, ir tas, ka viņi iegūst daudz vairāk informācijas no būtībā vienas un tās pašas darbības, saka Ficpatriks. Tas ir robota ekvivalents “kratīšanai” ar objektu, kur jūs īsti nezināt par to pietiekami daudz, lai ar to veikli manipulētu.
Šobrīd UMan nav aprīkots objektu paņemšanai; tā vietā tas manipulē ar tiem uz galda virsmas. Tā ir veiksmīgi iemācījusies rīkoties ar šķērēm, šķērēm un dažāda veida koka rotaļlietām. Tas ir nedaudz īsāks par vidusmēra cilvēku, un tam ir viena roka, kas ir aptuveni metru gara. Pēc Katza teiktā, rokas septiņas brīvības pakāpes padara to ļoti līdzīgu cilvēka rokai. Rokai ir trīs pirkstu roka, un tā ir uzstādīta uz rotējošas pamatnes.
Pētnieki sagaida, ka UMan drīz varēs izmantot pagātnes pieredzi kā ceļvedi jaunu objektu apstrādē. Datorsimulācijās viņi ir pārbaudījuši UMan mācīšanās algoritmu, lai nākamreiz, kad [tas] redzēs līdzīgu objektu, [tas] varētu vispārināt un izmantot to pašu darbību, saka Katzs. Piemēram, jūs uzzināsit kaut ko par šķērēm, un nākamreiz, kad redzat skavotāju, jūs saprotat, ka tam ir līdzīga struktūra. Simulācijās algoritms spēja identificēt locītavas, spiežot objektus tikai vienā virzienā, atšķirībā no sešiem, ko UMan pašlaik izmanto. Taču Katzs cer, ka galu galā robotam pat nevajadzēs pieskarties jaunam objektam: tas par to vispārinās, pamatojoties tikai uz vizuālo novērojumu. Katzs plāno nākamajā gadā pārbaudīt mācību algoritmu reālajā pasaulē.
Šis darbs šķiet kā solis ceļā uz cilvēciskāku, manipulācijas uztveres un uztveres procesu, saka Džošs Smits , kurš Intel strādā pie robotizētās satveršanas noteikšanas. Smits saka, ka UMass pieeja ir filozofiski interesanta, jo tā apvieno manipulācijas ar sajūtu un uztveri.