Robotika dan AI fisik

Pengembang Robot Membuat Teknik Baru untuk Robot Memegang Benda Reflektif

mm
Tambahkan Unite.AI ke sumber pilihan Anda di Google

Bidang robotika berkembang pesat, dan tidak lama lagi teknologi ini akan masuk ke banyak aspek kehidupan kita, termasuk dapur. Namun, ada satu hambatan khusus yang harus diatasi oleh pengembang robot untuk aplikasi tersebut: robot memiliki kesulitan besar dalam memegang benda transparan dan reflektif, seperti gelas ukur atau pisau yang mengkilap. Namun, hal ini berubah dengan pengembang robot di Carnegie Mellon University (CMU) yang mengembangkan teknik baru untuk mengatasi masalah ini. 

Tim tersebut melaporkan keberhasilan dalam mengajar robot untuk memegang benda-benda tersebut melalui teknik baru yang tidak memerlukan sensor kompleks, pelatihan yang panjang, atau bimbingan manusia. Sebaliknya, mereka menggunakan kamera warna untuk melakukan tindakan. 

Penelitian ini akan dipresentasikan pada Konferensi Internasional tentang Robotika dan Otomasi virtual yang akan diadakan musim panas ini. 

Kamera Kedalaman vs Kamera Warna

David Held adalah asisten profesor di Institut Robotika CMU. Menurut Held, kamera kedalaman, yang menentukan bentuk benda dengan menyinarkan cahaya inframerah pada benda, berguna untuk mengidentifikasi benda yang tidak transparan. Namun, itu tidak berlaku untuk benda transparan atau permukaan reflektif, yang cahaya inframerahnya akan melewati atau memantulkan. Karena itu, kamera kedalaman tidak dapat menghitung bentuk yang akurat. Ini berarti bahwa hasilnya akan menjadi datar atau bentuk yang berisi lubang untuk benda transparan dan reflektif.

Kelebihan kamera warna adalah bahwa kamera tersebut dapat melihat benda transparan dan reflektif, bukan hanya benda yang tidak transparan. Dengan memanfaatkan hal ini, ilmuwan di CMU menciptakan sistem kamera warna yang dapat mengidentifikasi bentuk berdasarkan warna.

Meskipun kamera standar tidak dapat mengukur bentuk dengan cara yang sama seperti kamera kedalaman, peneliti melatih sistem baru untuk meniru sistem kedalaman. Ini memungkinkan sistem untuk secara implisit menginferensi bentuk dan memegang benda tertentu, dan untuk mencapai ini, gambar kamera kedalaman dari benda yang tidak transparan dipasangkan dengan gambar warna dari benda yang sama. 

https://www.youtube.com/watch?v=Gny7NfmqyOk&feature=emb_title

Memegang Benda Transparan dan Mengkilap

Setelah sistem berhasil dilatih, sistem tersebut kemudian digunakan pada benda transparan dan reflektif. Robot dapat memegang benda-benda yang sulit dengan tingkat keberhasilan yang tinggi setelah menggunakan gambar-gambar tersebut plus informasi lain yang dapat diekstrak dari kamera kedalaman.

Held mengatakan bahwa meskipun sistem tidak selalu berfungsi dengan sempurna, sistem tersebut lebih baik daripada sistem lain yang tersedia saat ini.

“Kami terkadang melewatkan,” kata Held. “Tapi sebagian besar waktu, sistem tersebut melakukan pekerjaan yang cukup baik, jauh lebih baik daripada sistem sebelumnya untuk memegang benda transparan atau reflektif.”

Menurut Thoms Weng, seorang mahasiswa Ph.D. di bidang robotika, sistem tersebut masih lebih efisien dalam memegang benda yang tidak transparan dibandingkan dengan benda transparan atau reflektif, tetapi sistem tersebut jauh lebih efektif daripada sistem kamera kedalaman. Kelebihan lain dari sistem tersebut adalah bahwa teknik pembelajaran untuk melatih sistem tersebut sangat efektif, sehingga sistem warna setara dengan sistem kamera kedalaman dalam memegang benda yang tidak transparan.

“Sistem kami tidak hanya dapat memegang benda transparan dan reflektif secara individual, tetapi juga dapat memegang benda-benda tersebut dalam tumpukan yang berantakan,” kata Weng. 

Ini bukan pertama kalinya pengembang robot mencoba mengatasi tantangan ini. Pendekatan sebelumnya melibatkan pelatihan sistem berdasarkan upaya coba yang berulang, yang dapat mencapai 800.000 upaya. Opsi lain sebelumnya adalah pelabelan benda oleh manusia, yang mahal dan memakan waktu. 

Pengembang robot di CMU mengandalkan kamera RGB-D komersial yang dapat menghasilkan gambar warna (RGB) dan gambar kedalaman (D). 

Alex memimpin operasi berita berbasis AI di Unite.AI, menggabungkan jurnalisme, riset, dan otomatisasi untuk mendukung liputan kecerdasan buatan yang tepat waktu dan dapat diskalakan. Karyanya membantu memastikan perkembangan AI yang muncul terungkap secara efisien sambil mempertahankan standar editorial publikasi.