VIDEO: Iskorak prema robotima općih namjena

Roboti danas sve više uče nove vještine promatrajući ljude. No mnogi zadaci iz stvarnog svijeta, slični ljudskima, poput slaganja rublja do rukovanja hranom previše su nijansirani da bi se učinkovito programirali korak po korak.

Kod učenja imitacijom, ljudi demonstriraju zadatak, a roboti uče kopirati ono što vide putem kamera i senzora. Iako je na čelu istraživanja robotike, ovaj pristup je ograničen, jer roboti mogu raditi samo onoliko brzo koliko i ljudi koji su ih naučili.

Istraživači s američkog tehnološkog instituta Georgia Tech sada su stvorili alat koji ruši tu brzinsku barijeru. Sustav pod nazivom SAIL omogućuje robotima izvršavanje složenih zadataka znatno brže od ljudskih demonstracija, a istovremeno održava preciznost, kontrolu i sigurnost.

Tim se bavi središnjim izazovom u modernoj robotici, kako kombinirati fleksibilnost učenja od ljudi s brzinom i pouzdanošću potrebnom za primjenu u stvarnom svijetu? Tehnologija bi mogla dovesti do šire primjene imitacije učenja u industrijskim i kućanskim primjenama, pa čak i omogućiti robotima da izvršavaju zadatke slične ljudskima bolje nego ikad prije.

"Ono što pokušavamo stvoriti, a rekao bih da i industrija pokušava stvoriti, jest robot opće namjene, koji može obaviti bilo koji zadatak koji mogu obaviti ljudske ruke", rekao je Shreyas Kousik , docent na Strojarskom fakultetu George W. Woodruff i suvoditelj studije. "Da bi to funkcioniralo izvan laboratorija, brzina je zaista važna".

Novi alat SAIL (Speed ​​Adaptation for Imitation Learning - Prilagođavanje brzine za učenje imitacijom), nastao je iz međudisciplinarne suradnje koja je okupila stručnost u području strojarstva, robotskih sustava i strojnog učenja.

Naučiti robote da rade brže od brzine ljudskih demonstracija je izazovno. Roboti se mogu ponašati drugačije pri većim brzinama, a male promjene u okruženju mogu uzrokovati pogreške.

SAIL rješava ovaj izazov modularnim pristupom, s odvojenim komponentama koje rade zajedno kako bi ubrzale izvan okvira podataka za obuku. Sustav održava pokrete glatkima pri velikim brzinama, precizno prati pokrete, dinamički prilagođava brzinu na temelju složenosti zadatka i planira radnje kako bi se uračunala hardverska kašnjenja. Ova kombinacija omogućuje robotima brzo kretanje uz ostanak stabilnima, koordiniranima i preciznima.

Tim je procijenio SAIL-ove performanse u 12 zadataka, kako u simulaciji tako i na dvije fizičke robotske platforme. Zadaci su uključivali slaganje šalica, savijanje tkanina, serviranje voća, pakiranje hrane i brisanje bijele ploče. U većini slučajeva, roboti s omogućenim SAIL-om izvršavali su zadatke tri do četiri puta brže od standardnih sustava imitacije učenja bez gubitka točnosti, kao što možete vidjeti u ovom videu.

Iako SAIL sam po sebi ne čini robote univerzalno prilagodljivima, predstavlja važan korak prema robotskim sustavima koji mogu učiti od ljudi bez ograničenja ljudskim tempom.

Znanstveni rad možete pronaći na ovoj poveznici.