หุ่นยนต์และ AI ทางกายภาพ
ความก้าวหน้าใน “Spatial-AI” ช่วยให้หุ่นยนต์สามารถรับรู้สภาพแวดล้อมทางกายภาพได้เหมือนมนุษย์
เพิ่ม Unite.AI ลงในแหล่งข้อมูลที่คุณต้องการบน Google
วิศวกรที่ MIT กำลังทำงานเพื่อให้หุ่นยนต์มีความสามารถในการปฏิบัติตามคำสั่งระดับสูง เช่น ไปยังห้องอื่นเพื่อหยิบสิ่งของให้บุคคลหนึ่ง เพื่อให้สิ่งนี้เป็นไปได้ หุ่นยนต์จะต้องมีความสามารถในการรับรู้สภาพแวดล้อมทางกายภาพในลักษณะที่คล้ายกับมนุษย์
Luca Carlone เป็นรองศาสตราจารย์ด้านวิศวกรรมอวกาศและอิเล็กทรอนิกส์ที่ MIT
“เพื่อให้สามารถตัดสินใจใดๆ ในโลก เราต้องมีแบบจำลองจิตใจของสภาพแวดล้อมรอบตัวเรา” Carlone กล่าว “สิ่งนี้เป็นเรื่องที่ง่ายมากสำหรับมนุษย์ แต่สำหรับหุ่นยนต์เป็นปัญหาที่ยากมาก ซึ่งเกี่ยวกับการแปลงค่าพิกเซลที่พวกมันเห็นจากกล้องถ่ายรูปเป็นความเข้าใจเกี่ยวกับโลก”
เพื่อแก้ไขความท้าทายนี้ นักวิจัยได้สร้างแบบจำลองการรับรู้ทางกายภาพสำหรับหุ่นยนต์โดยอาศัยวิธีการที่มนุษย์รับรู้และนำทางสภาพแวดล้อมทางกายภาพ
3D Dynamic Scene Graphs
แบบจำลองใหม่นี้เรียกว่า 3D Dynamic Scene Graphs และช่วยให้หุ่นยนต์สามารถสร้างแผนที่ 3D ของสภาพแวดล้อมทางกายภาพ รวมถึงวัตถุและฉลากเชิงความหมายของวัตถุ หุ่นยนต์สามารถสร้างแผนที่คน ห้อง ผนัง และโครงสร้างอื่นๆ ในสภาพแวดล้อมได้
จากนั้นแบบจำลองจะช่วยให้หุ่นยนต์สามารถดึงข้อมูลจากแผนที่ 3D ได้ ซึ่งสามารถใช้เพื่อค้นหาวัตถุ ห้อง และการเคลื่อนไหวของคน
“การแสดงข้อมูลสภาพแวดล้อมที่บีบอัดนี้มีประโยชน์เพราะช่วยให้หุ่นยนต์ของเราตัดสินใจและวางแผนเส้นทางได้อย่างรวดเร็ว” Carlone กล่าว “สิ่งนี้ไม่ไกลตัวจากสิ่งที่เราทำเป็นมนุษย์ หากคุณต้องวางแผนเส้นทางจากบ้านไปที่ MIT คุณไม่ต้องวางแผนตำแหน่งทุกจุด คุณแค่ต้องคิดในระดับถนนและสถานที่สำคัญ ซึ่งช่วยให้คุณวางแผนเส้นทางได้เร็วขึ้น”
ตาม Carlone หุ่นยนต์ที่พึ่งพาแบบจำลองนี้จะสามารถทำได้มากกว่าแค่ทำงานบ้าน พวกมันสามารถใช้สำหรับทักษะระดับสูงและทำงานร่วมกับคนในโรงงาน หรือช่วยค้นหาผู้รอดชีวิตในสถานที่เกิดภัยพิบัติ
https://www.youtube.com/watch?time_continue=39&v=SWbofjhyPzI&feature=emb_logo
Current Methods vs New Model
วิธีการปัจจุบันสำหรับการมองเห็นและนำทางของหุ่นยนต์โดยหลักๆ มุ่งเน้นไปที่การสร้างแผนที่ 3D ที่ช่วยให้หุ่นยนต์สามารถสร้างสภาพแวดล้อมของตนเองในสามมิติได้แบบเรียลไทม์ หรือการแบ่งส่วนเชิงความหมาย ซึ่งเกิดขึ้นเมื่อหุ่นยนต์จำแนกคุณลักษณะในสภาพแวดล้อมเป็นวัตถุเชิงความหมาย เช่น รถยนต์เทียบกับจักรยาน การแบ่งส่วนเชิงความหมายมักทำบนภาพ 2D
แบบจำลองการรับรู้ทางกายภาพใหม่ที่พัฒนาขึ้นนี้เป็นแบบจำลองแรกที่สามารถสร้างแผนที่ 3D ของสภาพแวดล้อมได้แบบเรียลไทม์และระบุวัตถุ คน และโครงสร้างภายในแผนที่ 3D ในเวลาเดียวกัน
เพื่อให้ได้แบบจำลองใหม่นี้ นักวิจัยได้พึ่งพา Kimera ซึ่งเป็นไลบรารีที่เปิดให้ใช้งานฟรี Kimera ถูกพัฒนาขึ้นโดยทีมเดียวกันเพื่อสร้างแบบจำลองทางเรขาคณิต 3D ของสภาพแวดล้อมในขณะเดียวกันก็เข้ารหัสวัตถุเหล่านั้น
“เหมือนสัตว์ประหลาดในตำนานที่เป็นส่วนผสมของสัตว์ต่างๆ เราต้องการให้ Kimera เป็นส่วนผสมของการสร้างแผนที่และการเข้าใจเชิงความหมายใน 3D” Carlone กล่าว
Kimera ใช้ภาพจากกล้องของหุ่นยนต์และการวัดความไม่แน่นอนจากเซ็นเซอร์บนเครื่องบินเพื่อสร้างสภาพแวดล้อมใหม่ใน 3D แบบเรียลไทม์ เพื่อให้ทำสิ่งนี้ Kimera ใช้เครือข่ายประสาทเทียมที่ได้รับการฝึกฝนจากภาพโลกแห่งความเป็นจริงหลายล้านภาพ
โดยใช้เทคนิคนี้ สภาพแวดล้อมของหุ่นยนต์สามารถถูกสร้างเป็นเมช 3D ที่มีแต่ละหน้าถูกกำหนดสีเพื่อระบุว่าเป็นส่วนหนึ่งของวัตถุ โครงสร้าง หรือคนในสภาพแวดล้อม
3D Mesh to 3D Dynamic “Scene Graphs”
เนื่องจากแบบจำลองเมช 3D เชิงความหมายต้องการพลังการคำนวณมากและใช้เวลานาน นักวิจัยจึงใช้ Kimera เพื่อพัฒนาอัลกอริทึมที่ส่งผลให้เกิด “กราฟฉาก 3D” แบบไดนามิก
เมช 3D เชิงความหมายถูกแบ่งออกเป็นชั้นเชิงความหมายที่แตกต่างกัน และหุ่นยนต์สามารถมองเห็นฉากผ่านชั้นเหล่านั้น ชั้นเหล่านี้เริ่มตั้งแต่วัตถุและคน ไปจนถึงพื้นที่เปิด โครงสร้าง ห้อง ห้องโถง และอาคารทั้งหมด
วิธีการแบ่งชั้นนี้ช่วยให้หุ่นยนต์สามารถมุ่งเน้นไปที่สิ่งที่สำคัญแทนที่จะวิเคราะห์หลายพันจุดและหน้า และวิธีการนี้ยังช่วยให้อัลกอริทึมสามารถติดตามการเคลื่อนไหวของคนในเวลาจริง
แบบจำลองใหม่นี้ถูกทดสอบในซิมูเลเตอร์ที่มีลักษณะเหมือนจริง ซึ่งจำลองหุ่นยนต์ที่เดินผ่านสภาพแวดล้อมที่มีคนเคลื่อนไหว
“เราได้รับอนุญาตให้หุ่นยนต์มีแบบจำลองจิตใจที่คล้ายกับแบบจำลองที่มนุษย์ใช้” Carlone กล่าว “สิ่งนี้สามารถส่งผลกระทบต่อหลายๆ การใช้งาน รวมถึงรถยนต์ไร้คนขับ การค้นหาและช่วยเหลือ การผลิตร่วมกัน และหุ่นยนต์ในบ้าน
Carlone ร่วมงานกับ Antoni Rosinol นักศึกษาระดับบัณฑิตศึกษาจาก MIT
“วิธีการของเราทำได้สำเร็จแล้วด้วยความก้าวหน้าล่าสุดในด้านการเรียนรู้เชิงลึกและหลายทศวรรษของการวิจัยเกี่ยวกับการที่อยู่ในตำแหน่งและสร้างแผนที่” Rosinol กล่าว “ด้วยงานนี้ เรากำลังกระโดดสู่ยุคใหม่ของการรับรู้ของหุ่นยนต์ที่เรียกว่า Spatial-AI ซึ่งยังอยู่ในช่วงเริ่มต้น แต่มีศักยภาพที่ยิ่งใหญ่ในด้านหุ่นยนต์และความเป็นจริงเสมือนและเพิ่มความจริงขนาดใหญ่”
การวิจัยนี้ถูกนำเสนอที่การประชุม Robotics: Science and Systems ที่จัดขึ้นแบบเสมือนจริง
