Roboții cu corp moale sunt mai eficienți cu o nouă rețea neurală de învățare profundă

Roboții cu corp moale sunt un instrument extrem de important în domeniul mai larg al roboticii, deoarece roboții tradiționali și rigizi nu pot finaliza același tip de sarcini. Primii interacționează cu oamenii într-un mod mai sigur și pot face lucruri precum a se potrivi în spații strâmte. 

Una dintre principalele provocări implicate cu roboții moi este că aceștia trebuie să știe unde se află toate părțile corpului lor pentru a finaliza sarcinile programate, iar acest lucru devine mai dificil pe măsură ce roboții moi pot deforma în moduri aproape infinite.

Acum, cercetătorii de la MIT au dezvoltat un nou algoritm de învățare profundă care ajută inginerii să proiecteze roboți moi într-un mod care le permite să colecteze mai multe date despre mediul înconjurător. Algoritmul funcționează prin sugestia unei plasări optimizate a senzorilor în interiorul corpului robotului. Acest lucru îi permite să finalizeze sarcinile atribuite în timp ce interacționează cu mediul.

Alexander Amini este coautorul principal al cercetării, alături de Andrew Spielberg, ambii fiind studenți doctoranzi la Laboratorul de Informatică și Inteligență Artificială al MIT. Cercetarea a fost publicată în IIEEE Robotics and Automation Letters împreună cu alți coautori, printre care Lillian Chin, student doctorand, și Wojciech Matusik și Daniela Rus, profesori la universitate.

“Sistemul nu numai că învață o sarcină dată, dar și cum să proiecteze cel mai bine robotul pentru a rezolva acea sarcină”, spune Amini. “Plasarea senzorilor este o problemă foarte dificilă de rezolvat. Așadar, având soluția este extrem de emoționant.”

https://www.youtube.com/watch?v=MSa7D0FvxqY

Roboți rigizi vs. roboți moi

Unul dintre principalele avantaje ale roboților rigizi este că aceștia au o gamă limitată de mișcare, și, deși acest lucru pare a fi un dezavantaj, înseamnă că numărul finit de articulații și membre conduce la calcule mai ușor de gestionat.

Aceste calcule sunt mai ușor de lucrat atunci când vine vorba de algoritmi care controlează cartografierea și planificarea mișcării. Roboții moi nu pot face același lucru, deoarece sunt flexibili.

“Problema principală cu roboții moi este că aceștia sunt infinit dimensional”, spune Spielberg. “Orice punct de pe un robot cu corp moale poate, în teorie, deforma în orice mod posibil.”

În trecut, cercetătorii au utilizat o cameră externă pentru a cartografia poziția robotului, care a fost apoi introdusă în programul de control al robotului. Noua echipă a căutat o modalitate de a crea un robot moale nelegat de ajutorul extern.

“Nu poți pune un număr infinit de senzori pe robotul însuși”, continuă Spielberg. “Așadar, întrebarea este: Câți senzori ai și unde îi pui pe acei senzori pentru a obține cel mai bun raport calitate-preț?”

Cercetătorii au dezvoltat o arhitectură de rețea neurală nouă care poate optimiza plasarea senzorilor și învăța să finalizeze eficient sarcinile. Ei au împărțit corpul robotului în regiuni diferite numite “particule”. 

Rețeaua neurală a utilizat rata de deformare a fiecărei particule ca intrare, și, prin încercări și erori, rețeaua a putut învăța secvența cea mai eficientă de mișcări pentru o sarcină dată. Rețeaua a ținut, de asemenea, evidența particulelor care au fost utilizate mai mult decât altele, astfel încât intrările rețelei să poată fi ajustate.

Depășirea oamenilor în plasarea senzorilor

Rețeaua sugerează plasarea senzorilor pe robot prin optimizarea particulelor cele mai importante. În teste, algoritmul a depășit oamenii atunci când a venit vorba de localizarea celor mai eficiente locuri pentru a plasa senzorii.

Algoritmul a fost testat apoi împotriva unei serii de predicții ale experților.

“Modelul nostru a depășit cu mult oamenii pentru fiecare sarcină, chiar dacă am privit unele dintre corpurile robotului și am simțit o mare încredere în ceea ce privește locurile unde ar trebui să se afle senzorii”, spune Amini. “Așadar, s-a dovedit că există multe subtilități în această problemă decât am anticipat inițial.”

Conform lui Spielberg, noua dezvoltare ar putea ajuta la automatizarea procesului de proiectare a roboților și la crearea de noi algoritmi pentru a controla mișcările roboților. 

 “…trebuie, de asemenea, să ne gândim la modul în care vom senzoriza acești roboți și la modul în care acest lucru va interacționa cu alte componente ale sistemului”, spune el. “Acesta este un aspect în care aveți nevoie de o percepție foarte robustă și bine optimizată. Așadar, există potențial pentru un impact imediat.”

“Automatizarea proiectării roboților moi senzorizați este un pas important pentru crearea rapidă a unor instrumente inteligente care ajută oamenii cu sarcini fizice”, spune Rus. “Senzorii sunt un aspect important al procesului, deoarece permit robotului moale să ” vadă” și să înțeleagă lumea și relația sa cu lumea.”