Robot uczy się czyścić zlew

https://pixabay.com/photos/bathroom-faucet-sink-tap-water-8688132/

Manipulator opanował zaskakując złożone zadanie czyszczenia umywalek, pokazując tym samym swoją zdolność uczenia się.

Czyszczenie umywalki może nie wydawać się najbardziej zaawansowanym zadaniem, ale wymaga wiele wysiłku. Człowiek musi intuicyjnie wiedzieć, pod jakim kątem używać gąbki, rozumieć ile siły przyłożyć do różnych jej części w zależności od poziomu zabrudzenia i stale korygować ułożenie swojego ciała podczas przesuwania jej po powierzchni. Dla ludzi jest to z pewnością łatwe, ale dla programistów robotów stanowi poważne wyzwanie.

- Uchwycenie geometrycznego kształtu umywalki za pomocą kamer jest stosunkowo proste - powiedział Andreas Kugi z Instytutu Automatyki i Sterowania na TU Wien - Nie to jest jednak kluczowe. Znacznie trudniej jest nauczyć robota tego jaki rodzaj ruchu jest wymagany dla której części powierzchni, jak szybki powinien być określony ruch, kąt natarcia i siła przyłożenia gąbki.

Zrozumiawszy fakt, że oprogramowanie wszystkich tych zbiorów danych i kombinacji było zadaniem niezwykle trudnym, Kugi i jego zespół postanowił pozwolić swojemu robotowi nauczyć się nowej umiejętności, obserwując kogoś innego wykonującego to samo zadanie.

Badacze opracowali specjalną gąbkę wyposażoną w czujniki siły i położenia i poprosili ochotnika, aby wielokrotnie używał jej do czyszczenia wyłącznie przedniej krawędzi zlewu, która została spryskana barwionym żelem imitującym brud. Następnie wykorzystali zebrane dane do wytrenowania sieci neuronowej, która mogłaby przełożyć dane wejściowe na z góry określone wzorce ruchu. Przekazali je następnie robotowi i udostępniali informacje o jego ruchach, gdy ten rozpoczynał kolejne zadanie.

Chociaż eksperyment koncentrował się na czyszczeniu zlewów, naukowcy twierdzą, że wskazuje on na fakt, że roboty mogą wykonywać szereg operacji na zróżnicowanych powierzchniach, w tym szlifowanie, malowanie lub spawanie. Twierdzą również, że flota maszyn mogłaby uczyć się podstawowych ruchów od siebie nawzajem poprzez tak zwane federacyjne uczenie się.

Artykuł opisujący pracę zespołu otrzymał niedawno nagrodę „Best Application Paper Award".

 (rr)