Ερευνητές στην Ιαπωνία ανέπτυξαν ένα προσαρμοστικό σύστημα αναπαραγωγής κίνησης που επιτρέπει στα ρομπότ να δημιουργούν ανθρώπινες κινήσεις χρησιμοποιώντας εκπληκτικά μικρές ποσότητες δεδομένων εκπαίδευσης.
Oι δυσκολίες των ρομπότ
Παρά την ταχεία πρόοδο στον ρομποτικό αυτοματισμό, τα περισσότερα συστήματα δυσκολεύονται όταν τα αντικείμενα αλλάζουν σε βάρος, ακαμψία ή υφή. Οι προ-εκπαιδευμένες κινήσεις συχνά αποτυγχάνουν εκτός ελεγχόμενων περιβαλλόντων, περιορίζοντας τα ρομπότ σε προβλέψιμες εργασίες σε εργοστάσια.
Αυτός ο περιορισμός καθίσταται κρίσιμος καθώς τα ρομπότ μετακινούνται σε πραγματικές συνθήκες όπως κουζίνες, νοσοκομεία και σπίτια. Σε αυτά τα περιβάλλοντα, τα ρομπότ πρέπει να προσαρμόζουν συνεχώς τον τρόπο με τον οποίο πιάνουν και ασκούν δύναμη, κάτι που οι άνθρωποι κάνουν ενστικτωδώς. Σε αντίθεση με τα ανθρώπινα χέρια, τα ρομποτικά συστήματα δεν έχουν την ικανότητα να προσαρμόζονται διαισθητικά σε άγνωστα αντικείμενα. Αυτό το κενό ήταν ένα από τα μεγαλύτερα εμπόδια στην ανάπτυξη ρομπότ σε δυναμικά, αδόμητα περιβάλλοντα.
Διδάσκοντας στα ρομπότ να αισθάνονται
Για να αντιμετωπίσει αυτήν την πρόκληση, μια ερευνητική ομάδα από την Ιαπωνία ανέπτυξε ένα νέο προσαρμοστικό σύστημα αναπαραγωγής κίνησης βασισμένο στην παλινδρόμηση της Γκαουσιανής διαδικασίας. Η μελέτη διεξήχθη από τον Akira Takakura του Πανεπιστημίου Keio.
Τα συστήματα αναπαραγωγής κίνησης συνήθως βασίζονται στην καταγραφή ανθρώπινων κινήσεων και στην αναπαραγωγή τους μέσω ρομπότ χρησιμοποιώντας τηλεχειρισμό. Ωστόσο, αυτά τα συστήματα καταρρέουν όταν οι φυσικές ιδιότητες του αντικειμένου διαφέρουν από τα αρχικά δεδομένα εκπαίδευσης.
Η νέα προσέγγιση ξεπερνά τα γραμμικά μοντέλα χρησιμοποιώντας την Γκαουσιανή παλινδρόμηση διεργασίας, μια τεχνική ικανή να χαρτογραφήσει σύνθετες μη γραμμικές σχέσεις με περιορισμένα δεδομένα. Καταγράφοντας τις ανθρώπινες κινήσεις πιασίματος σε αντικείμενα με διαφορετικά επίπεδα ακαμψίας, το μοντέλο μαθαίνει πώς οι ιδιότητες των αντικειμένων σχετίζονται με την ανθρώπινη δύναμη και τη θέση.
Αυτό επιτρέπει στο σύστημα να συμπεράνει την πρόθεση της ανθρώπινης κίνησης και να δημιουργεί κατάλληλες κινήσεις για αντικείμενα που δεν έχει ξαναδεί.
«Η ανάπτυξη της ικανότητας χειρισμού συνηθισμένων αντικειμένων στα ρομπότ είναι απαραίτητη για να τους επιτρέψει να αλληλεπιδρούν με αντικείμενα στην καθημερινή ζωή και να ανταποκρίνονται κατάλληλα στις δυνάμεις που αντιμετωπίζουν», εξηγεί ο Δρ. Takahiro Nozaki.
Ισχυρά αποτελέσματα, ευρύς αντίκτυπος
Η ομάδα δοκίμασε το σύστημα σε σχέση με συμβατικά συστήματα αναπαραγωγής κίνησης, μεθόδους γραμμικής παρεμβολής και ένα τυπικό μοντέλο μάθησης μίμησης. Για εργασίες παρεμβολής, όπου η ακαμψία του αντικειμένου εμπίπτει στο εύρος εκπαίδευσης, το σύστημα μείωσε τα σφάλματα θέσης κατά τουλάχιστον 40% και τα σφάλματα δύναμης κατά 34%. Για εργασίες παρέκτασης που αφορούν αντικείμενα εκτός του εύρους εκπαίδευσης, το σφάλμα θέσης μειώθηκε κατά 74%.
Σε όλα τα σενάρια, το σύστημα που βασίζεται στην παλινδρόμηση της Γκαουσιανής διαδικασίας ξεπέρασε τις υπάρχουσες μεθόδους με μεγάλη διαφορά. Η δυνατότητα αναπαραγωγής ακριβούς ανθρώπινης κίνησης χρησιμοποιώντας ελάχιστα δεδομένα θα μπορούσε να μειώσει σημαντικά το κόστος και την πολυπλοκότητα της ανάπτυξης προσαρμοστικών ρομπότ σε όλους τους κλάδους.
«Δεδομένου ότι αυτή η τεχνολογία λειτουργεί με μικρή ποσότητα δεδομένων και μειώνει το κόστος της μηχανικής μάθησης, έχει πιθανές εφαρμογές σε ένα ευρύ φάσμα βιομηχανιών, συμπεριλαμβανομένων των ρομπότ υποστήριξης ζωής, τα οποία πρέπει να προσαρμόζουν τις κινήσεις τους σε διαφορετικούς στόχους κάθε φορά, και μπορεί να χαμηλώσει τον πήχη για εταιρείες που δεν μπόρεσαν να υιοθετήσουν τη μηχανική μάθηση λόγω της ανάγκης για μεγάλες ποσότητες δεδομένων εκπαίδευσης», δήλωσε ο Takakura.
Η έρευνα βασίζεται στο μακροχρόνιο έργο του Πανεπιστημίου Keio στην ανάδραση δύναμης-απτικής, τη μοντελοποίηση κίνησης και τις απτικές τεχνολογίες. Η προηγούμενη εργασία της ομάδας σε ευαίσθητους ρομποτικούς βραχίονες και ρομπότ avatar έχει λάβει αναγνώριση από το IEEE, την ιαπωνική κυβέρνηση και το Forbes.
Επιτρέποντας στα ρομπότ να προσαρμόζονται στην αφή και την κίνηση περισσότερο όπως οι άνθρωποι, η μελέτη φέρνει τον αυτοματισμό ένα βήμα πιο κοντά στην αξιόπιστη λειτουργία στον απρόβλεπτο πραγματικό κόσμο.
www.worldenergynews.gr
