O metodă nouă permite oamenilor să ajute roboții să „vadă” mediul lor

O echipă de ingineri de la Universitatea Rice a dezvoltat o metodă nouă care permite oamenilor să ajute roboții să „vadă” mediul lor și să finalizeze diverse sarcini.

Noua strategie se numește Bayesian Learning IN the Dark (BLIND), care este o soluție inovatoare pentru problema de planificare a mișcării pentru roboți care operează în medii unde există uneori puncte oarbe.

Studiul a fost condus de oamenii de știință în informatică Lydi Kavraki și Vaibhav Unhelkar și co-condus de Carlos Quintero-Peña și Constantinos Chamzas de la Școala de Inginerie George R. Brown a Universității Rice. A fost prezentat la Conferința Internațională a Institutului de Electronică și Electrotehnică pe Robotică și Automatizare.

Omul în buclă

Conform studiului, algoritmul păstrează un om în buclă pentru a „îmbunătăți percepția robotului și, mai important, pentru a preveni executarea unei mișcări nesigure”.

Echipa a combinat învățarea inversă de întărire Bayesiană cu tehnici de planificare a mișcării stabilite pentru a ajuta roboții cu multe părți mobile.

Pentru a testa BLIND, un robot cu un braț articulat cu șapte articulații a fost însărcinat să ia un cilindru mic de pe o masă înainte de a-l muta în altă parte. Cu toate acestea, robotul a trebuit mai întâi să se deplaseze pe lângă o barieră.

“Dacă aveți mai multe articulații, instrucțiunile pentru robot sunt complicate”, a spus Quintero-Peña. “Dacă direcționați un om, puteți spune pur și simplu ‘Ridica mâna’.”

Cu toate acestea, un robot necesită programe care sunt specifice pentru mișcarea fiecărui articulațiu la fiecare punct din traiectoria sa, și acest lucru devine și mai important atunci când există obstacole care blochează „vederea” sa.

Învățarea să „vadă” în jurul obstacolelor

BLIND nu programează o traiectorie de la început. În schimb, introduce un om în mijlocul procesului pentru a rafina opțiunile coregrafiate sugerate de algoritmul robotului.

“BLIND ne permite să luăm informații din capul omului și să calculăm traiectoriile noastre în acest spațiu cu un grad ridicat de libertate”, a spus Quintero-Peña. “Folosim un mod specific de feedback numit critică, în esență o formă binară de feedback în care omului i se atribuie etichete pe bucăți ale traiectoriei”.

Etichetele apar sub formă de puncte verzi conectate, reprezentând posibile căi. Pe măsură ce BLIND trece de la punct la punct, omul aprobă sau respinge fiecare mișcare, rafinând calea și evitând obstacolele.

“Este o interfață ușor de utilizat pentru oameni, deoarece putem spune ‘Îmi place asta’ sau ‘Nu-mi place asta’, și robotul folosește aceste informații pentru a planifica”, a spus Chamzas. Robotul poate executa sarcina sa după ce a fost recompensat pentru mișcările sale.

“Una dintre cele mai importante lucruri aici este că preferințele umane sunt greu de descris cu o formulă matematică”, a spus Quintero-Peña. “Lucrarea noastră simplifică relațiile dintre oameni și roboți prin incorporarea preferințelor umane. Acesta este modul în care cred că aplicațiile vor beneficia cel mai mult de această lucrare.”

Kavraki a lucrat cu programe avansate pentru robotul humanoid Robonaut al NASA de pe Stația Spațială Internațională.

“Această lucrare exemplifică minunat cum o intervenție umană puțină, dar țintită, poate îmbunătăți semnificativ capacitățile roboților de a executa sarcini complexe în medii unde unele părți sunt complet necunoscute robotului, dar cunoscute omului”, a spus Kavraki.

“Arată cum metodele pentru interacțiunea om-robot, subiectul de cercetare al colegului meu, profesorul Unhelkar, și planificarea automată inițiată de ani de zile în laboratorul meu pot combina pentru a oferi soluții fiabile care respectă și preferințele umane.”