211service.com
Een robot die leert gereedschap te gebruiken
Om mensen in huis te helpen, moeten robots kunnen omgaan met het onbekende. Maar hoewel onderzoekers robots kunnen voorprogrammeren om steeds geavanceerdere taken uit te voeren, staan ze voor een veel grotere uitdaging om ze te leren zich aan te passen aan ongestructureerde omgevingen. Een robot die is ontwikkeld aan de Universiteit van Massachusetts Amherst, kan echter leren objecten te gebruiken die hij nog nooit eerder is tegengekomen.
Tactiele leerling: De UMan-robot heeft wielen, een batterijpakket, een arm van één meter en een hand met drie vingers, waarmee hij objecten op een tafel prikt om te bepalen hoe ze bewegen.
De robot, de UMass Mobile Manipulator of UMan genaamd, duwt objecten rond op een tafel om te zien hoe ze bewegen. Zodra het de bewegende delen van een object identificeert, begint het ermee te experimenteren en het te manipuleren om taken uit te voeren. Je kunt je een baby voorstellen die met speelgoed speelt en aan de verschillende onderdelen trekt en ziet wat hoe beweegt, zegt hoofdauteur en afgestudeerde student Dov Katz, die het werk deed met Oliver Brock, een professor in informatica.
Een van de uitdagingen in robotica is om [een robot] intelligent te laten handelen, zelfs als hij de vorm van het object niet kent, zegt Andrew Ng , een computerwetenschapper aan de Stanford University die werkt aan robotgrijpen .
Ik denk dat hun werk een belangrijke stap in die richting is, zegt Ng. Voorheen, als iemand wil dat een robot een schaar gebruikt, zullen ze veel software schrijven [definiëren] wat een schaar is en hoe de twee bladen ten opzichte van elkaar bewegen. Katz en Brock stellen daarentegen een geheel nieuwe aanpak voor, waarbij de robot zelf met een schaar speelt en uitzoekt hoe de twee bladen met elkaar verbonden zijn.
UMan gebruikt een gewone webcam om van bovenaf naar een tafel te kijken. Door verschillen tussen aangrenzende pixels te analyseren, raadt het waar de randen van een object kunnen worden gevonden. Vervolgens prikt het het object en, op basis van hoe het beweegt, herziet het zijn schatting van de vorm van het object ( zie onderstaande video ). Het blijft het object rondschuiven en observeren hoe de delen ervan ten opzichte van elkaar bewegen. UMan zal het object naar achteren en naar voren duwen over de breedte en lengte en in een hoek van 45 graden naar beide, indien nodig, totdat het tevreden is dat het begrijpt hoe het object beweegt. Overal waar de beweging beperkt is, concludeert de robot dat er een gewricht is. UMan gebruikt die informatie vervolgens om erachter te komen wat de beste manier is om het object te manipuleren. Het kan ook zien of er meerdere gewrichten zijn en hoe deze zich tot elkaar verhouden.
Krediet: Dov Katz
Katz zegt dat zijn team werd geïnspireerd door het werk van Paul Fitzpatrick , een onderzoeker bij het LIRA-Lab aan de Universiteit van Genua, in Italië. In het onderzoek van Fitzpatrick tikte een robot op een object om het te onderscheiden van zijn visuele achtergrond. Wat ik leuk vind aan het werk van Amherst, vergeleken met het mijne, is dat ze veel meer informatie halen uit in wezen dezelfde actie, zegt Fitzpatrick. Dit is het robotequivalent van 'rommelen' met een object, waar je niet echt genoeg van weet om het handig te manipuleren.
UMan is momenteel niet uitgerust om objecten op te pakken; in plaats daarvan manipuleert het ze op het oppervlak van de tafel. Het heeft met succes geleerd hoe scharen, scharen en verschillende soorten houten speelgoed te manipuleren. Hij is iets korter dan de gemiddelde mens en heeft een enkele arm van ongeveer een meter lang. De zeven vrijheidsgraden van de arm maken hem volgens Katz erg vergelijkbaar met een menselijke arm in zijn flexibiliteit. De arm heeft een drievingerige hand en is gemonteerd op een draaibare voet.
De onderzoekers verwachten dat UMan binnenkort ervaringen uit het verleden kan gebruiken als leidraad bij het omgaan met nieuwe objecten. In computersimulaties hebben ze een leeralgoritme voor UMan getest, zodat [het] de volgende keer een soortgelijk object ziet, [het] kan generaliseren en dezelfde actie kan gebruiken, zegt Katz. U leert bijvoorbeeld iets over een schaar en de volgende keer dat u een nietmachine ziet, begrijpt u dat deze een vergelijkbare structuur heeft. In de simulaties kon het algoritme gewrichten identificeren door objecten in slechts één richting te duwen, in tegenstelling tot de zes die UMan momenteel gebruikt. Maar Katz hoopt dat de robot uiteindelijk niet eens een nieuw object hoeft aan te raken: hij zal er alleen op basis van visuele observatie over generaliseren. Katz verwacht het leeralgoritme komend jaar in de praktijk te testen.
Dit werk lijkt een stap in de richting van een meer menselijk, manipulatie-sensing-perceptieproces, zegt Josh Smith , die bij Intel werkt aan detectie van robotgrijpen. De UMass-benadering, zegt Smith, is filosofisch interessant in de manier waarop het manipulatie combineert met voelen en waarnemen.