211service.com
En robot som lär sig att använda verktyg
För att hjälpa människor runt huset måste robotar kunna hantera det obekanta. Men medan forskare kan förprogrammera robotar för att utföra allt mer sofistikerade uppgifter, står de inför en mycket större utmaning när det gäller att lära dem att anpassa sig till ostrukturerade miljöer. En robot som utvecklats vid University of Massachusetts Amherst kan dock lära sig att använda föremål som den aldrig har stött på tidigare.
Taktil elev: UMan-roboten har hjul, ett batteripaket, en arm på en meter och en hand med tre fingrar som den använder för att driva föremål på ett bord för att avgöra hur de rör sig.
Roboten – kallad UMass Mobile Manipulator, eller UMan – skjuter runt föremål på ett bord för att se hur de rör sig. När den väl identifierar ett objekts rörliga delar börjar den experimentera med det och manipulera det för att utföra uppgifter. Du kan föreställa dig en bebis som leker med en leksak och drar de olika delarna och ser vad som rör sig, säger huvudförfattaren och doktoranden Dov Katz, som gjorde arbetet med Oliver Brock, professor i datavetenskap.
En av utmaningarna inom robotteknik är att låta [en robot] agera intelligent, även när den inte känner till föremålets form, säger Andrew Ng , en datavetare vid Stanford University som arbetar med robotgrepp .
Jag tror att deras arbete är ett viktigt steg i den här riktningen, säger Ng. Tidigare, om någon vill att en robot ska använda en sax, kommer de att skriva en hel del mjukvara som [definierar] vad sax är och hur de två bladen rör sig i förhållande till varandra. Däremot föreslår Katz och Brock ett helt nytt tillvägagångssätt, där roboten leker med en sax för sig själv och räknar ut hur de två bladen är kopplade till varandra.
UMan använder en vanlig webbkamera för att titta ner på ett bord från ovan. Genom att analysera skillnader mellan intilliggande pixlar gissar den var ett objekts kanter kan hittas. Sedan stöter den på objektet och, baserat på hur det rör sig, reviderar den sin uppskattning av objektets form ( se video nedan ). Den fortsätter att skjuta runt föremålet och observera hur dess delar rör sig i förhållande till varandra. UMan kommer att skjuta objektet bakåt och framåt längs dess bredd och längd och i en 45-graders vinkel mot båda, om nödvändigt, tills den är övertygad om att den förstår hur objektet rör sig. Varhelst rörelsen är begränsad drar roboten slutsatsen att det finns en led. UMan använder sedan den informationen för att ta reda på det bästa sättet att manipulera objektet. Det kan också berätta om det finns flera leder och hur de relaterar till varandra.
Kredit: Dov Katz
Katz säger att hans team inspirerades av arbetet med Paul Fitzpatrick , en forskare vid LIRA-labbet vid universitetet i Genua, i Italien. I Fitzpatricks forskning knackade en robot på ett föremål för att skilja det från dess visuella bakgrund. Det jag gillar med Amherst-arbetet, jämfört med mitt eget, är att de extraherar mycket mer information från i huvudsak samma handling, säger Fitzpatrick. Det här är robotens motsvarighet till att 'fumla runt' med ett föremål, där du inte riktigt vet tillräckligt om det för att manipulera det skickligt.
Från och med nu är UMan inte utrustad för att plocka upp föremål; istället manipulerar den dem på bordets yta. Den har framgångsrikt lärt sig hur man manipulerar saxar, saxar och flera olika typer av träleksaker. Lite kortare än den genomsnittliga människan har den en enda arm som är ungefär en meter lång. Armens sju frihetsgrader gör den väldigt lik en mänsklig arm i sin flexibilitet, enligt Katz. Armen har en trefingrad hand och är monterad på en roterande bas.
Forskarna förväntar sig att UMan snart kommer att kunna använda tidigare erfarenheter som vägledning för att hantera nya föremål. I datorsimuleringar har de testat en inlärningsalgoritm för UMan, så att nästa gång [det] ser ett liknande objekt kan [det] generalisera och använda samma åtgärd, säger Katz. Till exempel lär du dig något om en sax, och nästa gång du ser en häftapparat förstår du att den har en liknande struktur. I simuleringarna kunde algoritmen identifiera leder genom att trycka objekt i endast en riktning, i motsats till de sex som UMan för närvarande använder. Men Katz hoppas att roboten så småningom inte ens behöver röra ett nytt föremål: den kommer att generalisera om det enbart på basis av visuell observation. Katz förväntar sig att testa inlärningsalgoritmen i den verkliga världen under nästa år.
Det här arbetet verkar vara ett steg mot en mer mänsklig process, manipulation-sensing-perceptionsprocess, säger Josh Smith , som arbetar med avkänning för robotgrepp hos Intel. UMass-metoden, säger Smith, är filosofiskt intressant på det sätt som den kombinerar manipulation med avkänning och perception.