Роботы учатся играть с пластилином

Прочитано: 203 раз(а)


Внутренний ребенок во многих из нас испытывает непреодолимое чувство радости, когда натыкается на груду флуоресцентной, резиноподобной смеси воды, соли и муки, благодаря которой на карте появилось липкое тесто: тесто для лепки. (Даже если это случается редко во взрослом возрасте.)

В то время как манипулировать пластилином весело и легко для двухлетних детей, роботам трудно справиться с бесформенной массой. Машины становятся все более надежными при работе с жесткими объектами, но манипулирование мягкими, деформируемыми объектами сопряжено с огромным списком технических проблем, и, что наиболее важно, как и в случае с большинством гибких конструкций, если вы перемещаете одну часть, вы, вероятно, влияете на все остальные.

Ученые из Лаборатории компьютерных наук и искусственного интеллекта Массачусетского технологического института (CSAIL) и Стэнфордского университета недавно позволили роботам поиграть с модельным составом, но не ради ностальгии. Их новая система учится непосредственно на визуальном входе, позволяя роботу с двупальцевым захватом видеть, моделировать и формировать рыхлые объекты. «РобоКрафт» мог надежно планировать поведение робота, чтобы сжимать и выпускать тесто для лепки, чтобы делать различные буквы, в том числе те, которые он никогда не видел. Имея данные всего за 10 минут, захват с двумя пальцами конкурировал с человеческими аналогами, которые управляли машиной дистанционно, выполняя тестируемые задачи на уровне, а иногда даже лучше.

«Моделирование и манипулирование объектами с высокой степенью свободы являются важными возможностями для роботов, чтобы научиться выполнять сложные производственные и бытовые задачи взаимодействия, такие как начинка пельменей, раскатывание суши и изготовление гончарных изделий», — говорит Юнжу Ли, доктор философии CSAIL. студент и автор новой статьи о RoboCraft. «Несмотря на недавние успехи в манипулировании одеждой и веревками, мы обнаружили, что объекты с высокой пластичностью, такие как тесто или пластилин, — несмотря на повсеместное распространение в домашних и промышленных условиях — были в значительной степени неисследованной территорией. С RoboCraft мы изучаем динамические модели непосредственно из многомерные сенсорные данные, которые предлагают нам многообещающий путь, основанный на данных, для эффективного планирования».

С неопределенным, гладким материалом необходимо учитывать всю структуру, прежде чем вы сможете выполнять какое-либо эффективное и действенное моделирование и планирование. Превращая изображения в графики маленьких частиц в сочетании с алгоритмами, RoboCraft, используя графовую нейронную сеть в качестве модели динамики, делает более точные прогнозы об изменении формы материала.

Как правило, исследователи использовали сложные физические симуляторы для моделирования и понимания силы и динамики, применяемых к объектам, но RoboCraft просто использует визуальные данные. Внутренняя работа системы опирается на три части, формирующие мягкий материал, скажем, в букву «R».

Первая часть — восприятие — заключается в том, чтобы научиться «видеть». Он использует камеры для сбора необработанных визуальных данных датчиков из окружающей среды, которые затем превращаются в маленькие облака частиц для представления форм. Затем нейронная сеть на основе графа использует указанные данные о частицах, чтобы научиться «симулировать» динамику объекта или то, как он движется. Затем алгоритмы помогают спланировать поведение робота, чтобы он научился «формировать» комок теста, вооружившись обучающими данными от множества щипков. Хотя буквы немного расплывчаты, они, несомненно, репрезентативны.

Помимо милых форм, команда (на самом деле) работает над изготовлением пельменей из теста и готовой начинки. Прямо сейчас, имея всего лишь двухпальцевый захват, это большой вопрос. RoboCraft потребуются дополнительные инструменты (пекарю нужно несколько инструментов для приготовления пищи, как и роботы) — скалка, штамп и форма.

Ученые предполагают, что более отдаленная область будущего — это использование RoboCraft для помощи в выполнении домашних дел и работы по дому, что может быть особенно полезным для пожилых людей или людей с ограниченной подвижностью. Чтобы достичь этого, учитывая множество препятствий, которые могут возникнуть, потребуется гораздо более адаптивное представление теста или предмета, а также исследование того, какой класс моделей может быть подходящим для захвата лежащих в основе структурных систем.

«RoboCraft по сути демонстрирует, что эту прогностическую модель можно изучить очень эффективными с данными способами для планирования движения. В долгосрочной перспективе мы думаем об использовании различных инструментов для манипулирования материалами», — говорит Ли. «Если вы думаете о приготовлении пельменей или теста, один захват не сможет решить эту проблему. Помогая модели понять и выполнить задачи планирования с более длительным горизонтом, например, как тесто будет деформироваться с учетом текущего инструмента, движений и действий . , является следующим шагом для будущей работы».

Роботы учатся играть с пластилином



Новости партнеров