Robot See, Robot Do: hoe robots nieuwe taken kunnen leren door te observeren

Het kan weken duren om een ​​industriële robot te herprogrammeren om een ​​gecompliceerde nieuwe taak uit te voeren, wat het ombouwen van een moderne productielijn pijnlijk duur en traag maakt.





Een robot mixt een cocktail nadat hij iemand de taak heeft zien uitvoeren.

Het proces zou aanzienlijk kunnen worden versneld als robots zouden kunnen leren hoe ze een nieuwe taak moeten uitvoeren door te kijken hoe anderen het eerst doen. Dat is het idee achter een lopend project aan de Universiteit van Maryland, waar onderzoekers robots leren om oplettende studenten te zijn.

We noemen het een 'robottrainingsacademie', zegt Yezhou Yang , een afgestudeerde student in de Autonomie, Robotica en Cognitie Lab aan de Universiteit van Maryland. We vragen een expert om de robot een taak te laten zien, en laten de robot de meeste delen van reeksen dingen die hij moet doen uitzoeken, en vervolgens de dingen finetunen om het te laten werken.

Op een recente conferentie in St. Louis demonstreerden de onderzoekers een cocktailmakende robot die gebruikmaakt van de benaderingen waaraan ze werken. De robot - een tweearmige industriële machine gemaakt door een in Boston gevestigd bedrijf genaamd Heroverweeg robotica , keek hoe een persoon een drankje mengde door vloeistof uit verschillende flessen in een kan te gieten, en die acties vervolgens kopieerde, flessen in de juiste volgorde vastpakte voordat de juiste hoeveelheden in de kan werden gegoten. Yang voerde het werk uit met Yiannis Aloimonos en Cornelia Fermuller , twee professoren in de informatica aan de Universiteit van Maryland.

De aanpak omvat het trainen van een computersysteem om specifieke robotacties te associëren met videobeelden waarop mensen verschillende taken uitvoeren. Een recent artikel van de groep laat bijvoorbeeld zien dat een robot kan leren hoe hij verschillende objecten kan oppakken met behulp van twee verschillende systemen door duizenden instructieve YouTube-video's te bekijken. Het ene systeem leert verschillende objecten te herkennen; een ander identificeert verschillende soorten greep.

Het bekijken van duizenden YouTube-video's klinkt misschien tijdrovend, maar de leeraanpak is efficiënter dan het programmeren van een robot om talloze verschillende items te hanteren, en het kan een robot in staat stellen om met een nieuw object om te gaan. De leersystemen die voor het grijpwerk werden gebruikt, waren geavanceerde kunstmatige neurale netwerken, die de afgelopen jaren snelle vooruitgang hebben geboekt en nu in veel robotica worden gebruikt.

De onderzoekers praten met verschillende maakbedrijven, waaronder een elektronicabedrijf en een autofabrikant, over het aanpassen van de technologie voor gebruik in fabrieken. Deze bedrijven willen manieren vinden om het proces te versnellen waarmee ingenieurs hun machines herprogrammeren. Bij veel bedrijven duurt het normaal gesproken anderhalve maand of langer om een ​​robot te herprogrammeren, zegt Yang. Dus wat zijn de huidige AI-mogelijkheden die we kunnen gebruiken om deze periode te verkorten, misschien zelfs tot de helft?

Het project weerspiegelt twee trends in robotica; een daarvan is het vinden van nieuwe benaderingen van leren, en een ander is dat robots dicht bij mensen werken. Net als andere groepen willen de onderzoekers uit Maryland acties koppelen aan taal om het vermogen van robots om gesproken of geschreven instructies te ontleden te verbeteren (zie Robots leren pannenkoeken maken uit WikiHow-artikelen).

Ook andere wetenschappers onderzoeken manieren om robots te maken die kunnen leren. Een groep onder leiding van Pieter Abbeel aan de University of California, Berkeley, onderzoekt manieren waarop robots kunnen leren door middel van experimenten. Julie Shah | , een professor aan het MIT, ontwikkelt manieren waarop robots niet alleen leren hoe ze een taak moeten uitvoeren, maar ook hoe ze effectiever kunnen samenwerken met menselijke collega's (zie Innovators Under 35: Julie Shah).

zich verstoppen