Inovativni bimanualni robot pokazuje taktilnu osetljivost blisku spretnosti na ljudskom nivou koristeći veštačku inteligenciju za informisanje o svojim akcijama.
Novi Bi-Touch sistem, koji su dizajnirali naučnici sa Univerziteta u Bristolu i koji je baziran u laboratoriji za robotiku u Bristolu, omogućava robotima da obavljaju ručne zadatke tako što osete šta treba da rade od digitalnog pomoćnika.
Nalazi, objavljeni u IEEE Robotics and Automation Letters, pokazuju kako AI agent tumači svoju okolinu putem taktilne i proprioceptivne povratne informacije, a zatim kontroliše ponašanje robota, omogućavajući precizno sensing, nežnu interakciju i efikasnu manipulaciju objektima za postizanje robotskih zadataka.
Ovaj razvoj mogao bi da revolucioniše industrije kao što su berba voća, usluge u domaćinstvu, i na kraju da ponovo stvori dodir u veštačkim udovima.
Vodeći autor Iijiong Lin sa Fakulteta inženjerskih nauka, objasnio je: „Sa našim Bi-Touch sistemom, možemo lako da obučimo AI agente u virtuelnom svetu u roku od nekoliko sati kako bi postigli bimanualne zadatke koji su prilagođeni dodiru. I što je još važnije, mi može direktno primeniti ove agente iz virtuelnog sveta u stvarni svet bez dalje obuke.“
„Taktilni bimanualni agens može da rešava zadatke čak i pod neočekivanim perturbacijama i da manipuliše delikatnim objektima na nežan način.
Bimanualna manipulacija sa taktilnim povratnim informacijama biće ključna za spretnost robota na nivou čoveka. Međutim, ova tema je manje istražena od podešavanja sa jednom rukom, delom zbog dostupnosti odgovarajućeg hardvera zajedno sa složenošću dizajniranja efikasnih kontrolera za zadatke sa relativno velikim prostorom za radnju stanja. Tim je uspeo da razvije taktilni robotski sistem sa dve ruke koristeći nedavna dostignuća u veštačkoj inteligenciji i robotskom taktilnom senzoru. Zadatak guranja i prikupljanja. Zasluge: Univerzitet u Bristolu
Istraživači su izgradili virtuelni svet (simulaciju) koji je sadržao dve robotske ruke opremljene taktilnim senzorima. Zatim dizajniraju funkcije nagrađivanja i mehanizam za ažuriranje ciljeva koji bi mogao da podstakne agente robota da nauče da postižu bimanualne zadatke i razvili su taktilni sistem robota sa dve ruke u stvarnom svetu na koji bi mogli direktno da primene agenta.
Robot uči bimanualne veštine kroz Deep Reinforcement Learning (Deep-RL), jednu od najnaprednijih tehnika u oblasti učenja robota. Dizajniran je da nauči robote da rade stvari tako što će im omogućiti da uče iz pokušaja i grešaka slično obuci psa uz nagrade i kazne.
Za robotsku manipulaciju, robot uči da donosi odluke pokušavajući različita ponašanja kako bi postigao određene zadatke, na primer, podizanje predmeta bez ispuštanja ili lomljenja. Kada uspe, dobija nagradu, a kada ne uspe, uči šta ne treba da radi.
Vremenom otkriva najbolje načine da zgrabi stvari koristeći ove nagrade i kazne. Agent AI je vizuelno slep oslanjajući se samo na proprioceptivnu povratnu informaciju — sposobnost tela da oseti pokret, akciju i lokaciju i taktilnu povratnu informaciju.
Uspeli su da uspešno omoguće robotu sa dve ruke da bezbedno podiže predmete tako krhke kao jedan Pringle čips.
Koautor profesor Nejtan Lepora je dodao: „Naš Bi-Touch sistem pokazuje obećavajući pristup sa pristupačnim softverom i hardverom za učenje bimanualnih ponašanja sa dodirom u simulaciji, koje se može direktno primeniti na stvarni svet. Naša razvijena taktilna simulacija robota sa dve ruke omogućava dalje istraživanje više različitih zadataka jer će kod biti otvorenog koda, što je idealno za razvoj drugih zadataka u nastavku.“
Iijiong je zaključio: „Naš Bi-Touch sistem omogućava taktilnom robotu sa dve ruke da teško uči iz simulacije i da na nežan način postiže različite zadatke manipulacije u stvarnom svetu.
„A sada možemo lako da obučimo AI agente u virtuelnom svetu u roku od nekoliko sati da bi postigli bimanualne zadatke koji su prilagođeni dodiru.
