Alat baru memberi siapa pun kemampuan untuk melatih robot | Berita MIT

Mengajar robot keterampilan baru yang digunakan untuk membutuhkan keahlian pengkodean. Tetapi generasi robot baru berpotensi belajar dari hampir semua orang.

Insinyur merancang pembantu robot yang dapat “belajar dari demonstrasi.” Strategi pelatihan yang lebih alami ini memungkinkan seseorang untuk memimpin robot melalui tugas, biasanya dalam salah satu dari tiga cara: melalui remote control, seperti mengoperasikan joystick untuk melakukan manuver dari jarak jauh robot; dengan memindahkan robot secara fisik melalui gerakan; atau dengan melakukan tugas itu sendiri saat robot menonton dan meniru.

Robot belajar-demi-biasanya melatih hanya dalam satu dari tiga pendekatan demonstrasi ini. Tetapi insinyur MIT kini telah mengembangkan antarmuka pelatihan tiga-in-satu yang memungkinkan robot untuk mempelajari tugas melalui salah satu dari tiga metode pelatihan. Antarmuka dalam bentuk alat genggam yang dilengkapi sensor yang dapat menempel pada banyak lengan robot kolaboratif umum. Seseorang dapat menggunakan keterikatan untuk mengajarkan robot untuk melakukan tugas dengan mengontrol robot dari jarak jauh, secara fisik memanipulasi, atau menunjukkan tugas itu sendiri – gaya mana pun yang mereka sukai atau paling sesuai dengan tugas yang dihadapi.

Tim MIT menguji alat baru, yang mereka sebut “antarmuka demonstrasi serbaguna,” pada lengan robot kolaboratif standar. Relawan dengan keahlian manufaktur menggunakan antarmuka untuk melakukan dua tugas manual yang biasanya dilakukan di lantai pabrik.

Para peneliti mengatakan antarmuka baru menawarkan peningkatan fleksibilitas pelatihan yang dapat memperluas jenis pengguna dan “guru” yang berinteraksi dengan robot. Ini juga memungkinkan robot untuk mempelajari serangkaian keterampilan yang lebih luas. Misalnya, seseorang dapat melatih robot dari jarak jauh untuk menangani zat beracun, sementara lebih jauh ke bawah lini produksi orang lain dapat secara fisik memindahkan robot melalui gerakan tinju produk, dan pada akhir lini, orang lain dapat menggunakan lampiran untuk menggambar logo perusahaan ketika robot mengawasi dan belajar untuk melakukan hal yang sama.

“Kami berusaha menciptakan rekan tim yang sangat cerdas dan terampil yang dapat secara efektif bekerja dengan manusia untuk menyelesaikan pekerjaan yang kompleks,” kata Mike Hagenow, seorang postdoc di MIT di Departemen Penerbangan dan Astronautika. “Kami percaya alat demonstrasi yang fleksibel dapat membantu jauh melampaui lantai manufaktur, di domain lain di mana kami berharap dapat melihat peningkatan adopsi robot, seperti pengaturan rumah atau pengasuhan.”

Hagenow akan menghadirkan a kertas yang merinci antarmuka barudi konferensi IEEE Intelligent Robot and Systems (IROS) pada bulan Oktober. Rekan penulis MIT makalah ini adalah Dimosthenis Kontogiorgos, postdoc di MIT Computer Science dan Buatan Kecerdasan Lab (CSAIL); Yanwei Wang PhD ’25, yang baru -baru ini mendapatkan gelar doktor dalam bidang teknik listrik dan ilmu komputer; dan Julie Shah, profesor MIT dan kepala Departemen Aeronautika dan Astronautika.

Berlatih bersama

Kelompok Shah di MIT merancang robot yang dapat bekerja bersama manusia di tempat kerja, di rumah sakit, dan di rumah. Fokus utama dari penelitiannya adalah mengembangkan sistem yang memungkinkan orang untuk mengajarkan robot tugas atau keterampilan baru “di tempat kerja,” seolah -olah. Sistem seperti itu, misalnya, membantu pekerja lantai pabrik dengan cepat dan alami menyesuaikan manuver robot untuk meningkatkan tugasnya pada saat itu, daripada berhenti untuk memprogram ulang perangkat lunak robot dari awal – keterampilan yang mungkin tidak dimiliki seorang pekerja.

Pekerjaan baru tim dibangun di atas strategi yang muncul dalam pembelajaran robot yang disebut “Pembelajaran dari Demonstrasi,” atau LFD, di mana robot dirancang untuk dilatih dengan cara yang lebih alami dan intuitif. Dalam melihat melalui literatur LFD, Hagenow dan Shah menemukan metode pelatihan LFD yang dikembangkan sejauh ini jatuh secara umum ke dalam tiga kategori utama teleoperasi, pelatihan kinestetik, dan pengajaran alami.

Satu metode pelatihan dapat bekerja lebih baik daripada dua lainnya untuk orang atau tugas tertentu. Shah dan Hagenow bertanya -tanya apakah mereka dapat merancang alat yang menggabungkan ketiga metode untuk memungkinkan robot mempelajari lebih banyak tugas dari lebih banyak orang.

“Jika kita bisa menyatukan tiga cara berbeda ini seseorang mungkin ingin berinteraksi dengan robot, itu mungkin membawa manfaat untuk tugas yang berbeda dan orang yang berbeda,” kata Hagenow.

Tugas yang ada

Dengan tujuan itu, tim merekayasa antarmuka demonstrasi serbaguna baru (VDI). Antarmuka adalah perlekatan genggam yang dapat masuk ke lengan lengan robot kolaboratif yang khas. Lampiran dilengkapi dengan kamera dan spidol yang melacak posisi dan gerakan alat dari waktu ke waktu, bersama dengan sensor gaya untuk mengukur jumlah tekanan yang diterapkan selama tugas yang diberikan.

Ketika antarmuka terpasang pada robot, seluruh robot dapat dikontrol dari jarak jauh, dan kamera antarmuka mencatat gerakan robot, yang dapat digunakan robot sebagai data pelatihan untuk mempelajari tugas sendiri. Demikian pula, seseorang secara fisik dapat memindahkan robot melalui tugas, dengan antarmuka terpasang. VDI juga dapat dilepas dan dipegang secara fisik oleh seseorang untuk melakukan tugas yang diinginkan. Kamera merekam gerakan VDI, yang juga dapat digunakan robot untuk meniru tugas ketika VBI disambungkan kembali.

Untuk menguji kegunaan lampiran, tim membawa antarmuka, bersama dengan lengan robot kolaboratif, ke pusat inovasi lokal di mana para ahli manufaktur belajar tentang dan menguji teknologi yang dapat meningkatkan proses lantai pabrik. Para peneliti membuat percobaan di mana mereka meminta sukarelawan di pusat untuk menggunakan robot dan ketiga metode pelatihan antarmuka untuk menyelesaikan dua tugas manufaktur umum: pemasangan pers dan cetakan. Dalam pers pers, pengguna melatih robot untuk menekan dan memasukkan pasak ke dalam lubang, mirip dengan banyak tugas pengikat. Untuk cetakan, seorang sukarelawan melatih robot untuk mendorong dan menggulung zat yang karet, seperti adonan secara merata di sekitar permukaan batang tengah, mirip dengan beberapa tugas termomolding.

Untuk masing -masing dari dua tugas, para sukarelawan diminta untuk menggunakan masing -masing dari tiga metode pelatihan, terlebih dahulu teleoperasi robot menggunakan joystick, kemudian secara kinestetis memanipulasi robot, dan akhirnya, melepaskan keterikatan robot dan menggunakannya untuk “secara alami” melakukan tugas tersebut ketika robot merekam kekuatan dan pengikut lampiran.

Para peneliti menemukan sukarelawan umumnya lebih suka metode alami daripada pelatihan teleoperasi dan kinestetik. Para pengguna, yang semuanya ahli dalam bidang manufaktur, memang menawarkan skenario di mana masing -masing metode mungkin memiliki keunggulan dibandingkan yang lain. Teleoperasi, misalnya, mungkin lebih disukai dalam melatih robot untuk menangani zat berbahaya atau beracun. Pelatihan kinestetik dapat membantu pekerja menyesuaikan penentuan posisi robot yang ditugaskan untuk memindahkan paket berat. Dan pengajaran alami dapat bermanfaat dalam menunjukkan tugas yang melibatkan manuver yang halus dan tepat.

“Kami membayangkan menggunakan antarmuka demonstrasi kami di lingkungan manufaktur yang fleksibel di mana satu robot dapat membantu di berbagai tugas yang mendapat manfaat dari jenis demonstrasi tertentu,” kata Hagenow, yang berencana untuk memperbaiki desain lampiran berdasarkan umpan balik pengguna dan akan menggunakan desain baru untuk menguji pembelajaran robot. “Kami memandang penelitian ini sebagai menunjukkan bagaimana fleksibilitas yang lebih besar dalam robot kolaboratif dapat dicapai melalui antarmuka yang memperluas cara yang berinteraksi dengan pengguna akhir dengan robot selama pengajaran.”

Pekerjaan ini didukung, sebagian, oleh Program MIT Postdoctoral Fellowship untuk Keunggulan Teknik dan Wallenberg Foundation Postdoctoral Research Fellowship.