211service.com
Ein Roboter, der den Umgang mit Werkzeugen lernt
Um Menschen im Haus zu helfen, müssen Roboter in der Lage sein, mit dem Unbekannten umzugehen. Aber während Forscher Roboter für immer anspruchsvollere Aufgaben vorprogrammieren können, stehen sie vor einer viel größeren Herausforderung, ihnen beizubringen, sich an unstrukturierte Umgebungen anzupassen. Ein Roboter, der an der University of Massachusetts Amherst entwickelt wurde, kann jedoch lernen, Objekte zu verwenden, die er noch nie zuvor gesehen hat.
Taktiler Lerner: Der UMan-Roboter verfügt über Räder, einen Akku, einen ein Meter langen Arm und eine dreifingrige Hand, mit der er Gegenstände auf einem Tisch anstößt, um festzustellen, wie sie sich bewegen.
Der Roboter – UMass Mobile Manipulator oder UMan genannt – schiebt Objekte auf einem Tisch herum, um zu sehen, wie sie sich bewegen. Sobald es die beweglichen Teile eines Objekts identifiziert, beginnt es damit zu experimentieren und es zu manipulieren, um Aufgaben auszuführen. Sie können sich ein Baby vorstellen, das mit einem Spielzeug spielt und an den verschiedenen Teilen zieht und sieht, was sich wie bewegt, sagt der Hauptautor und Doktorand Dov Katz, der die Arbeit mit Oliver Brock, einem Professor für Informatik, gemacht hat.
Eine der Herausforderungen in der Robotik besteht darin, dass [ein Roboter] intelligent handelt, auch wenn er die Form des Objekts nicht kennt, sagt Andrew Ng , ein Informatiker an der Stanford University , der sich mit Robotergreifern beschäftigt .
Ich denke, ihre Arbeit ist ein wichtiger Schritt in diese Richtung, sagt Ng. Wenn jemand früher möchte, dass ein Roboter eine Schere verwendet, schreibt er eine Menge Software [definiert], was eine Schere ist und wie sich die beiden Klingen relativ zueinander bewegen. Im Gegensatz dazu schlagen Katz und Brock einen völlig neuen Ansatz vor, bei dem der Roboter selbst mit einer Schere spielt und herausfindet, wie die beiden Klingen miteinander verbunden sind.
UMan verwendet eine normale Webcam, um von oben auf einen Tisch zu schauen. Durch die Analyse von Unterschieden zwischen benachbarten Pixeln schätzt es, wo sich die Kanten eines Objekts befinden könnten. Dann stößt es das Objekt an und revidiert aufgrund seiner Bewegung seine Einschätzung der Objektform ( siehe Video unten ). Es schiebt das Objekt weiter herum und beobachtet, wie sich seine Teile im Verhältnis zueinander bewegen. UMan schiebt das Objekt entlang seiner Breite und Länge und bei Bedarf in einem 45-Grad-Winkel zu beiden vor und zurück, bis es sicher ist, dass es versteht, wie sich das Objekt bewegt. Überall dort, wo die Bewegung eingeschränkt ist, schließt der Roboter auf ein Gelenk. UMan verwendet diese Informationen dann, um herauszufinden, wie das Objekt am besten manipuliert werden kann. Es kann auch erkennen, ob es mehrere Gelenke gibt und wie diese miteinander in Beziehung stehen.
Bildnachweis: Dov Katz
Katz sagt, dass sein Team von der Arbeit von inspiriert wurde Paul Fitzpatrick , ein Forscher am LIRA-Lab der Universität Genua in Italien. In Fitzpatricks Forschung tippte ein Roboter auf ein Objekt, um es von seinem visuellen Hintergrund zu unterscheiden. Was ich an der Arbeit von Amherst im Vergleich zu meiner eigenen mag, ist, dass sie viel mehr Informationen aus im Wesentlichen der gleichen Aktion extrahieren, sagt Fitzpatrick. Dies ist das Roboter-Äquivalent zum „Herumfummeln“ an einem Objekt, bei dem Sie nicht wirklich genug darüber wissen, um es geschickt zu manipulieren.
Ab sofort ist UMan nicht zum Aufnehmen von Gegenständen ausgestattet; stattdessen manipuliert es sie auf der Oberfläche des Tisches. Es hat erfolgreich gelernt, wie man Scheren, Scheren und verschiedene Arten von Holzspielzeug handhabt. Er ist etwas kleiner als der durchschnittliche Mensch und hat einen einzigen Arm, der etwa einen Meter lang ist. Die sieben Freiheitsgrade des Arms machen ihn in seiner Flexibilität einem menschlichen Arm sehr ähnlich, so Katz. Der Arm hat eine dreifingrige Hand und ist auf einer drehbaren Basis montiert.
Die Forscher erwarten, dass UMan bald Erfahrungen aus der Vergangenheit als Leitfaden für den Umgang mit neuen Objekten nutzen kann. In Computersimulationen haben sie einen Lernalgorithmus für UMan getestet, damit [it] das nächste Mal ein ähnliches Objekt sieht, [it] die gleiche Aktion verallgemeinern und verwenden kann, sagt Katz. Sie lernen zum Beispiel etwas über eine Schere, und wenn Sie das nächste Mal einen Hefter sehen, wissen Sie, dass er eine ähnliche Struktur hat. In den Simulationen war der Algorithmus in der Lage, Gelenke zu identifizieren, indem Objekte nur in eine Richtung geschoben wurden, im Gegensatz zu den sechs, die UMan derzeit verwendet. Doch Katz hofft, dass der Roboter am Ende nicht einmal ein neues Objekt berühren muss, sondern allein aufgrund der visuellen Beobachtung verallgemeinert. Katz erwartet, den Lernalgorithmus im nächsten Jahr in der realen Welt zu testen.
Diese Arbeit scheint ein Schritt in Richtung eines menschlicheren Prozesses der Manipulation, der Wahrnehmung und der Wahrnehmung zu sein, sagt Josh Smith , der bei Intel an der Sensorik für robotisches Greifen arbeitet. Der UMass-Ansatz, sagt Smith, ist philosophisch interessant, da er Manipulation mit Wahrnehmung und Wahrnehmung kombiniert.