Исследователи из Массачусетского технологического института (MIT) разработали технологию искусственного интеллекта, позволяющую роботам манипулировать предметами с помощью всего тела.
Манипулирование объектами с использованием множества точек соприкосновения различных частей тела представляет собой огромную проблему для роботов. Люди прекрасно справляются с манипуляциями всем телом, легко перенося большие коробки или удерживая неровные предметы.
Однако роботы гораздо менее компетентны в сложных манипуляционных задачах из-за многочисленных точек контакта между объектами и различными частями их тела.
"Если мы сможем использовать структуру подобных роботизированных систем с помощью моделей, то это позволит ускорить всю процедуру принятия решений и разработки планов, способных обеспечить контакт", - говорит Х.Дж. Терри Сух, аспирант факультета электротехники и информатики (EECS) и один из ведущих авторов научной статьи.
В основе работы исследователей Массачусетского технологического института лежит проблема вычислительной интенсивности и сложности роботизированных манипуляционных задач, особенно тех, которые включают в себя сценарии с большим количеством контактов. При планировании манипуляционной задачи роботам приходится учитывать бесчисленное множество возможностей контакта с объектом, что приводит к непосильному количеству вычислений.
Традиционно для решения этой задачи используются методы обучения с подкреплением (RL), но они требуют больших вычислительных ресурсов и времени.
Сайт исследование Для решения этой проблемы было введено "сглаживание". Процесс "сглаживания" упрощает вычислительную нагрузку, уменьшая количество событий, которые робот должен рассмотреть. Он сводит огромное количество потенциальных точек контакта к управляемому набору ключевых решений.
По сути, многие несущественные действия и контакты, которые может совершить робот, усредняются, оставляя только важные моменты взаимодействия, которые необходимо вычислить.
Чтобы реализовать "сглаживание", команда разработала модель, основанную на физике. Эта модель эффективно воспроизводит "усреднение" некритичных взаимодействий, которое неявно происходит в методах обучения с подкреплением.
Команда протестировала свой подход как на симуляторах, так и на реальном робототехническом оборудовании, показав сопоставимую с обучением с подкреплением производительность, но при меньших вычислительных затратах.
Практическое применение
Последствия этого исследования могут быть далеко идущими. В промышленности эта техника может позволить использовать более компактные и мобильные роботы, способные выполнять сложные задачи с большей гибкостью.
Это может привести как к снижению энергопотребления, так и к сокращению эксплуатационных расходов. Помимо фабрик, технология может стать переломным моментом для космических миссий, позволяя роботам быстро адаптироваться к непредсказуемым условиям местности или задачам с минимальными вычислительными ресурсами.
Кроме того, эти вычислительные методы могут помочь исследователям сконструировать компетентные, похожие на живые руки.
"Те же идеи, которые позволяют манипулировать всем телом, работают и для планирования с помощью ловких, человекоподобных рук", - говорит Расс Тедрейк, старший автор и профессор Toyota EECS в MIT.
В то время как искусственный интеллект способствует преобразованиям в области робототехники, наделяя роботов все более совершенными навыками и пониманием, нам еще только предстоит создать что-либо, обладающее биологической ловкостью.
По мере того как аппаратные средства ИИ уменьшаются в размерах, энергоэффективные чипы и исследователи находят способы решения вычислительных проблем, то ловкие, похожие на жизнь роботы, вероятно, не за горами.
