Ang One-Armed Robot na Ito ay Super Manipulative (sa isang Magandang Way)


Bigyan ng isang tao isang isda, napupunta ang lumang kasabihan, at pinapakain mo siya para sa isang araw-turo isang tao na isda, at pinapakain mo siya para sa isang buhay. Parehong napupunta para sa mga robot, maliban na ang mga robot ay eksklusibo sa feed sa kuryente. Ang problema ay pag-uunawa ng pinakamahusay na paraan upang turuan sila. Kadalasan, ang mga robot ay nakakakuha ng pantay na detalyadong naka-code na mga tagubilin kung paano manipulahin ang isang partikular na bagay. Ngunit bigyan ito ng isang iba't ibang mga uri ng bagay at makikita mo pumutok ang isip, dahil ang mga machine ay hindi mahusay pa sa pag-aaral at nag-aaplay ang kanilang mga kasanayan sa mga bagay na hindi kailanman nakita nila bago.

Ang bagong pananaliksik mula sa MIT ay tumutulong sa pagbabagong iyon. Ang mga inhinyero ay nakagawa ng isang paraan para sa isang braso ng robot upang biswal na pag-aralan ang isang maliit na bilang ng iba't ibang mga sapatos, na nagpapatakbo ng pabalik-balik tulad ng isang ahas upang makakuha ng isang mahusay na pagtingin sa lahat ng mga anggulo. Pagkatapos nang ang mga mananaliksik ay mag-drop ng iba't ibang, hindi pamilyar na uri ng sapatos sa harap ng robot at hilingin ito na kunin ito ng dila, makilala ng makina ang dila at bigyan ito ng elevator-nang walang patnubay ng tao. Itinuro nila ang robot na isda para sa, mabuti, bota, tulad ng sa mga cartoons. At iyon ay maaaring maging malaking balita para sa mga robot na nagsisikap pa rin upang makakuha ng isang mahigpit na pagkakahawak sa kumplikadong mundo ng mga tao.

Video ni Pete Florence at Tom Buehler / MIT CSAIL

Kadalasan, upang sanayin ang isang robot na kailangan mong gawin ng maraming paghawak. Ang isang paraan ay ang literal na joystick sa paligid upang malaman kung paano manipulahin ang mga bagay, na kilala bilang imitasyon sa pag-aaral. O maaari mong gawin ang ilang mga reinforcement learning, kung saan ipaalam mo ang robot subukan paulit-ulit sa, sabihin, makakuha ng isang square peg sa isang parisukat na butas. Gumagawa ito ng mga random na paggalaw at gagantimpalaan sa puntong sistema kapag nakakakuha ito ng mas malapit sa layunin. Siyempre, ito ay tumatagal ng maraming oras. O maaari mong gawin ang parehong uri ng bagay sa simulation, bagaman ang kaalaman na ang isang virtual na robot natututo ay hindi madaling port sa isang real-world machine.

Ang bagong system na ito ay natatangi sa halos lahat ng ito ay ganap na hands-off. Para sa karamihan, ang mga mananaliksik ay naglalagay lamang ng sapatos sa harap ng makina. "Maaari itong bumuo ng up-ganap sa pamamagitan ng kanyang sarili, na walang tulong ng tao-isang napaka-detalyadong visual na modelo ng mga bagay na ito," sabi ni Pete Florence, isang roboticist sa MIT Computer Science at Artipisyal na Intelligence Laboratory at humantong may-akda sa isang bagong papel na naglalarawan sa system . Makikita mo ito sa trabaho sa GIF sa itaas.

Isipin ang visual model na ito bilang isang coordinate system, o koleksyon ng mga address sa isang sapatos. O ilang sapatos, sa kasong ito, na ang mga robot na bangko bilang konsepto nito kung paano nakabalangkas ang mga sapatos. Kaya kapag natapos na ng mga mananaliksik ang pagsasanay ng robot at binigyan ito ng sapatos na hindi pa nakikita bago nito, nakuha ang konteksto upang magtrabaho.

Video ni Pete Florence at Tom Buehler / MIT CSAIL

"Kung itinuturo namin ang dila ng isang sapatos sa ibang imahe," sabi ni Florence, "pagkatapos ay ang robot ay karaniwang tumitingin sa bagong sapatos, at sinasabi nito, 'Hmmm, na ang isa sa mga puntong ito ay mukhang ang pinaka katulad sa dila ng iba pang mga sapatos? 'At ito ay maaaring makilala na. "Ang machine ay umabot sa at wrap ang mga daliri sa paligid ng dila at lifts ng sapatos.

Kapag gumagalaw ang robot sa camera nito sa paligid, kumukuha sa mga sapatos sa iba't ibang mga anggulo, kinokolekta nito ang data na kailangan nito upang bumuo ng mga rich internal na paglalarawan ng kahulugan ng mga partikular na pixel. Sa pamamagitan ng paghahambing sa pagitan ng mga imahe, binabanggit nito kung ano ang isang puntas, isang dila, o isang solong. Ginagamit nito ang impormasyong iyon upang makagawa ng kahulugan ng mga bagong sapatos, pagkatapos ng maikling panahon ng pagsasanay. "Sa pagtatapos nito, kung ano ang lumalabas-at maging matapat ito ay kaakit-akit-ay mayroon kaming pare-parehong paglalarawan ng paglalarawan na naaangkop sa mga sapatos na sinanay sa gayon din sa maraming bagong sapatos," sabi ni Florence . Mahalaga, natutunan ito shoeness.

Ihambing ito sa kung paano gumagana ang pangitain ng makina, na may mga label ng tao (o "annotating"), sabihin, mga pedestrian at mga senyales ng paghinto upang ang isang self-driving na kotse ay matututong makilala ang mga bagay na iyon. "Ito ay tungkol sa pagpapaalam sa robot na mangasiwa sa sarili nito, kaysa sa mga tao na pumapasok at gumagawa ng mga annotation," sabi ni coauthor Lucas Manuelli, din ng MIT CSAIL.

"Nakikita ko kung gaano ito kapaki-pakinabang sa mga pang-industriya na application kung saan ang mahirap na bahagi ay nakakakuha ng isang magandang punto upang maunawaan," sabi ni Matthias Plappert, isang engineer sa OpenAI na bumuo ng isang sistema para sa isang robot kamay upang magturo sa sarili kung paano manipulahin, ngunit na hindi kasangkot sa gawaing ito. Ang pagpapatupad ng pagdakip dito ay mas madali dahil sa simple ng kamay ng robot, idinagdag ni Plappert. Ito ay isang two-pronged "end effector," tulad ng ito ay kilala sa biz, bilang laban sa isang wildly kumplikadong kamay na mimics ng isang tao.

Video ni Pete Florence at Tom Buehler / MIT CSAIL

Alin ang eksaktong kailangan ng mga robot kung papunta sila sa pag-navigate sa ating mundo nang hindi nagpapasuko sa atin. Para sa isang robot sa bahay, nais mo itong maunawaan hindi lamang kung ano ang isang bagay, kundi kung ano ang binubuo nito. Sabihing hinihiling mo ang iyong robot na tulungan kang umangat sa isang table, ngunit ang mga binti ay tila isang maliit na maluwag, kaya sasabihin mo sa robot na mahigpit lamang ang tabletop. Sa ngayon, kailangan mo munang turuan ito sa kung ano ang isang tabletop. Para sa bawat susunod na talahanayan, kailangan mong muling sabihin ito kung ano ang isang tabletop; ang robot ay hindi magagawang gawing pangkalahatan mula sa isang nag-iisang halimbawa, gaya ng malamang na nais ng isang tao.

Ang mga bagay na kumplikado ay ang katunayan na ang pag-aangat ng sapatos sa pamamagitan ng dila o isang talahanayan sa pamamagitan ng tuktok nito ay maaaring hindi ang pinakamahusay na paraan upang mahigpit na hawakan ito sa isip ng robot. Ang pagmamanipula ng pagmultahin ay nananatiling isang malaking problema sa modernong robotics, ngunit ang mga machine ay nakakakuha ng mas mahusay. Ang isang computer program na binuo sa UC Berkeley na tinatawag na Dex-Net, halimbawa, ay sinusubukan upang matulungan ang mga robot na makakuha ng isang mahigpit na pagkakahawak sa pamamagitan ng pagkalkula ng mga pinakamahusay na lugar para sa kanila upang maunawaan ang iba't ibang mga bagay. Halimbawa, natuklasan na ang isang robot na may dalawa lamang na daliri ay maaaring magkaroon ng mas mahusay na swerte sa grabe na base ng isang bote ng spray, hindi ang mahigpit na pagkakahawak ng leeg para sa mga tao.

Kaya roboticists maaaring magagawang upang aktwal na pagsamahin ang bagong MIT sistema sa Dex-Net. Ang dating maaaring kilalanin ang isang pangkalahatang lugar na gusto mong hawakan ang robot, habang ang Dex-Net ay maaaring magmungkahi kung saan sa lugar na iyon ay pinakamahusay na hawakang mahigpit.

Sabihin nating nais mo ang iyong robot sa bahay na ilagay ang isang baso pabalik sa istante. Para sa na, ang makina ay kailangang kilalanin ang iba't ibang bahagi ng saro. "Kailangan mong malaman kung ano ang ilalim ng tabo ay upang maaari mong talagang ilagay ito sa tamang paraan," sabi ni Manuelli. "Ang aming system ay maaaring magbigay ng ganitong uri ng pag-unawa sa kung saan ang itaas, ibaba, hawakan, at pagkatapos ay maaari mong gamitin ang Dex-Net upang makuha ito sa pinakamahusay na paraan, sabihin natin sa gilid."

Magturo ng isang robot na isda, at malamang na hindi ito mapupuksa ang iyong kusina.


Higit pang mga Great WIRED Stories