211service.com
Robotas, mokantis naudotis įrankiais
Kad padėtų žmonėms namuose, robotai turės sugebėti susidoroti su nepažįstamais. Tačiau nors mokslininkai gali iš anksto užprogramuoti robotus atlikti vis sudėtingesnes užduotis, jiems tenka daug didesni iššūkiai mokydami juos prisitaikyti prie nestruktūrizuotos aplinkos. Tačiau Masačusetso universitete Amherst sukurtas robotas gali išmokti naudotis objektais, su kuriais dar niekada nebuvo susidūręs.
Lytėjimo mokinys: UMan robotas turi ratus, akumuliatorių, vieno metro ranką ir trijų pirštų ranką, kurią jis naudoja objektams ant stalo stumti, kad nustatytų, kaip jie juda.
Robotas, vadinamas UMass Mobile Manipulator arba UMan, stumia objektus ant stalo, kad pamatytų, kaip jie juda. Kai jis nustato judančias objekto dalis, jis pradeda su juo eksperimentuoti, manipuliuodamas juo, kad atliktų užduotis. Galite įsivaizduoti, kaip kūdikis žaidžia su žaislu, tempia skirtingas dalis ir mato, kas kaip juda, sako pagrindinis autorius ir magistrantas Dovas Katzas, dirbęs kartu su informatikos profesoriumi Oliveriu Brocku.
Vienas iš robotų iššūkių yra tai, kad [robotas] veiktų protingai, net kai jis nežino objekto formos. Andrius Ng , kompiuterių mokslininkas iš Stanfordo universiteto, dirbantis su robotų sugriebimu.
Manau, kad jų darbas yra svarbus žingsnis šia kryptimi, sako Ng. Anksčiau, jei kas nors nori, kad robotas naudotų žirkles, jis parašys daug programinės įrangos, [nurodančios], kas yra žirklės ir kaip juda abi ašmenys vienas kito atžvilgiu. Priešingai, Katzas ir Brockas siūlo visiškai naują požiūrį, kai robotas pats žaidžia su žirklėmis ir išsiaiškina, kaip du peiliukai yra sujungti vienas su kitu.
UMan naudoja įprastą internetinę kamerą, kad pažvelgtų į stalą iš viršaus. Analizuodamas gretimų pikselių skirtumus, jis atspėja, kur gali būti rasti objekto kraštai. Tada jis pakelia objektą ir, remdamasis jo judėjimu, peržiūri objekto formos įvertinimą ( žiūrėkite vaizdo įrašą žemiau ). Jis toliau stumdo objektą, stebėdamas, kaip jo dalys juda viena kitos atžvilgiu. UMan stums objektą atgal ir į priekį išilgai jo pločio ir ilgio ir 45 laipsnių kampu į abu, jei reikia, kol įsitikins, kad supras, kaip objektas juda. Visur, kur judėjimas ribojamas, robotas daro išvadą, kad yra sąnarys. Tada UMan naudoja šią informaciją, kad išsiaiškintų geriausią būdą manipuliuoti objektu. Jis taip pat gali pasakyti, ar yra keli sąnariai ir kaip jie yra susiję vienas su kitu.
Kreditas: Dovas Katzas
Katzas sako, kad jo komandą įkvėpė darbas Paulas Fitzpatrickas , Genujos universiteto (Italija) LIRA laboratorijos tyrėjas. Fitzpatricko tyrime robotas bakstelėjo į objektą, kad atskirtų jį nuo jo vaizdinio fono. Man patinka Amhersto darbas, palyginti su mano paties darbu, yra tai, kad jie išgauna daug daugiau informacijos iš iš esmės to paties veiksmo, sako Fitzpatrickas. Tai yra roboto atitikmuo „blaškymuisi“ su daiktu, kai iš tikrųjų nežinote apie jį pakankamai, kad galėtumėte vikriai juo manipuliuoti.
Šiuo metu UMan nėra įrengtas daiktams paimti; vietoj to jis manipuliuoja jais stalo paviršiuje. Jis sėkmingai išmoko valdyti žirkles, žirkles ir keletą skirtingų medinių žaislų. Šiek tiek trumpesnis nei vidutinis žmogus, jis turi vieną ranką, kurios ilgis yra maždaug metras. Pasak Katzo, dėl septynių rankos laisvės laipsnių ji savo lankstumu labai panaši į žmogaus ranką. Ranka turi trijų pirštų ranką ir yra sumontuota ant besisukančio pagrindo.
Tyrėjai tikisi, kad UMan netrukus galės panaudoti ankstesnę patirtį kaip naujų objektų tvarkymo vadovą. Kompiuterinio modeliavimo metu jie išbandė UMan mokymosi algoritmą, kad kitą kartą [jis] pamatytų panašų objektą, [jis] galėtų apibendrinti ir naudoti tą patį veiksmą, sako Katzas. Pavyzdžiui, kai ką sužinojote apie žirkles, o kitą kartą pamatę segiklį suprasite, kad jo struktūra panaši. Modeliavimo metu algoritmas galėjo identifikuoti jungtis, stumdamas objektus tik viena kryptimi, o ne šešias, kurias šiuo metu naudoja UMan. Tačiau Katzas tikisi, kad galiausiai robotui net nereikės liesti naujo objekto: jis apibendrins jį remdamasis vien vizualiniu stebėjimu. Katzas tikisi kitais metais išbandyti mokymosi algoritmą realiame pasaulyje.
Šis darbas atrodo kaip žingsnis link labiau žmogiško, manipuliavimo, jutimo ir suvokimo proceso, sako Joshas Smithas , kuris „Intel“ dirba su robotų griebimo jutimu. Smithas sako, kad UMass metodas yra filosofiškai įdomus tuo, kaip manipuliavimas derinamas su jutimu ir suvokimu.