Даже простые захваты могут выполнять сложные задачи - при условии, что они умело используют окружающую среду в качестве подручного инструмента. По крайней мере, таков вывод исследования Института робототехники Университета Карнеги-Меллона.
В робототехнике простым захватам обычно поручают простые задачи, такие как захват предметов и их помещение. Однако, используя окружающую среду, например, прижимая предмет к столу или стене, простые захваты могут выполнять более сложные манипуляции, которые обычно считаются достижимыми только для более сложных и дорогих захватов.
Однако в предыдущих исследованиях подобной стратегии, известной как "extrinsic dexterity" (несвойственная ловкость), часто делались предположения о том, каким образом захваты будут брать предметы. Это, в свою очередь, требовало особых конструкций захватов и/или движений робота.
В новом исследовании ученые использовали ИИ для преодоления этих ограничений, чтобы применить такую стратегию к более общим условиям и успешно захватывать предметы различных размеров, форм и веса.
"Это исследование может открыть новые возможности в манипулировании с помощью простого захвата, - говорит ведущий автор исследования Вэньсюань Чжоу из Университета Карнеги-Меллон. - Потенциальные приложения включают складских или бытовых роботов, которые помогают людям по хозяйству".
Исследователи использовали обучение с подкреплением для обучения нейронной сети. Они заставили систему ИИ совершать случайные действия для захвата объекта, поощряя те действий, которые приводили к успеху. В итоге система перенимала наиболее успешные модели поведения. Другими словами, она училась. После обучения системы на физическом симуляторе они протестировали ее на простом захвате.
Ученые заставили робота хватать предметы, находящиеся в открытом контейнере, которые изначально были ориентированы таким образом, что робот не мог их взять. Например, роботу могли дать предмет, который был слишком широк для его захвата. ИИ нужно было придумать способ прижать предмет к стенке контейнера, чтобы робот мог взять его сбоку.
"Изначально мы думали, что робот попытается сделать что-то вроде зачерпывания под предметом, как это делают люди, - говорит Чжоу. - Однако алгоритм дал нам неожиданный вариант. Подтолкнув предмет к стене, робот надавил верхним пальцем на бок предмета, чтобы поднять его вверх, а затем позволил предмету упасть на нижний палец, чтобы схватить его".
В ходе экспериментов Чжоу и ее коллеги проверили свою систему на таких предметах, как картонные коробки, пластиковые бутылки и игрушечный кошелек. Эти предметы различались по весу и форме. Они обнаружили, что их простые захваты могут успешно захватывать эти предметы в 78% случаев.
В будущем группа надеется распространить полученные результаты на более широкий спектр объектов и сценариев. Ученые подробно рассказали о своих результатах 18 декабря на Conference on Robot Learning (CoRL) 2022 в Окленде, Новая Зеландия.
Комментарии
(0) Добавить комментарий