211service.com
En robot, der lærer at bruge værktøjer
For at hjælpe mennesker rundt i huset skal robotter være i stand til at håndtere det ukendte. Men mens forskere kan forprogrammere robotter til at udføre stadig mere sofistikerede opgaver, står de over for en meget større udfordring i at lære dem at tilpasse sig ustrukturerede miljøer. En robot udviklet ved University of Massachusetts Amherst er dog i stand til at lære at bruge genstande, som den aldrig har stødt på før.
Taktil elev: UMan-robotten har hjul, en batteripakke, en 1-meters arm og en tre-fingret hånd, som den bruger til at proppe genstande på et bord for at bestemme, hvordan de bevæger sig.
Robotten – kaldet UMass Mobile Manipulator eller UMan – skubber genstande rundt på et bord for at se, hvordan de bevæger sig. Når det først identificerer et objekts bevægelige dele, begynder det at eksperimentere med det og manipulere det til at udføre opgaver. Du kan forestille dig en baby, der leger med et stykke legetøj og trækker i de forskellige dele og ser, hvad der bevæger sig, siger hovedforfatter og kandidatstuderende Dov Katz, der lavede arbejdet sammen med Oliver Brock, professor i datalogi.
En af udfordringerne i robotteknologi er at få [en robot] til at handle intelligent, selv når den ikke kender formen på objektet, siger Andrew Ng , en datalog ved Stanford University , der arbejder med robotgreb .
Jeg synes, deres arbejde er et vigtigt skridt i denne retning, siger Ng. Tidligere, hvis nogen vil have en robot til at bruge en saks, vil de skrive en masse software [definere] hvad saks er, og hvordan de to blade bevæger sig i forhold til hinanden. I modsætning hertil foreslår Katz og Brock en helt ny tilgang, hvor robotten leger med en saks for sig selv og finder ud af, hvordan de to klinger er forbundet med hinanden.
UMan bruger et almindeligt webcam til at se ned på et bord fra oven. Ved at analysere forskelle mellem tilstødende pixels gætter den, hvor et objekts kanter kan findes. Derefter propper den objektet og reviderer på grundlag af hvordan det bevæger sig sit skøn over objektets form ( se video nedenfor ). Den fortsætter med at skubbe objektet rundt og observere, hvordan dets dele bevæger sig i forhold til hinanden. UMan vil skubbe objektet frem og tilbage langs dets bredde og længde og i en 45-graders vinkel til begge, hvis det er nødvendigt, indtil det er overbevist om, at det forstår, hvordan objektet bevæger sig. Hvor end bevægelsen er begrænset, konkluderer robotten, at der er et led. UMan bruger derefter denne information til at finde ud af den bedste måde at manipulere objektet på. Det kan også fortælle, om der er flere led, og hvordan de relaterer til hinanden.
Kredit: Dov Katz
Katz siger, at hans team blev inspireret af arbejdet med Paul Fitzpatrick , en forsker ved LIRA-laboratoriet ved Universitetet i Genova i Italien. I Fitzpatricks forskning trykkede en robot på et objekt for at skelne det fra dets visuelle baggrund. Det, jeg godt kan lide ved Amherst-værket, sammenlignet med mit eget, er, at de udvinder meget mere information fra i det væsentlige den samme handling, siger Fitzpatrick. Dette er den robot, der svarer til at 'fumle rundt' med et objekt, hvor du ikke rigtig ved nok om det til at manipulere det behændigt.
Lige nu er UMan ikke udstyret til at samle genstande op; i stedet manipulerer den dem på bordets overflade. Den har med succes lært, hvordan man manipulerer sakse, sakse og flere forskellige slags trælegetøj. Lidt kortere end det gennemsnitlige menneske har den en enkelt arm, der er omkring en meter lang. Armens syv frihedsgrader gør den meget lig en menneskelig arm i sin fleksibilitet, ifølge Katz. Armen har en tre-finger hånd og er monteret på en roterende base.
Forskerne forventer, at UMan snart vil være i stand til at bruge tidligere erfaringer som en guide til at håndtere nye objekter. I computersimuleringer har de testet en læringsalgoritme for UMan, så næste gang [den] ser et lignende objekt, kan [den] generalisere og bruge den samme handling, siger Katz. For eksempel lærer du noget om en saks, og næste gang du ser en hæftemaskine forstår du, at den har en lignende struktur. I simuleringerne var algoritmen i stand til at identificere led ved kun at skubbe objekter i én retning, i modsætning til de seks, som UMan i øjeblikket bruger. Men Katz håber, at robotten i sidste ende ikke engang behøver at røre ved et nyt objekt: den vil generalisere om det på basis af visuel observation alene. Katz forventer at teste læringsalgoritmen i den virkelige verden i løbet af det næste år.
Dette arbejde virker som et skridt i retning af en mere menneskelignende, manipulations-sansende-opfattelsesproces, siger Josh Smith , der arbejder på sansning for robotgreb hos Intel. UMass-tilgangen, siger Smith, er filosofisk interessant i den måde, den kombinerer manipulation med sansning og perception.