Sampah pembersihan manusia dari loteng sering dapat menebak isi kotak hanya dengan mengambilnya dan mengguncangnya, tanpa perlu melihat apa yang ada di dalamnya. Para peneliti dari MIT, Amazon Robotics, dan University of British Columbia telah mengajarkan robot untuk melakukan sesuatu yang serupa.
Mereka mengembangkan teknik yang memungkinkan robot hanya menggunakan sensor internal untuk belajar tentang berat badan, kelembutan, atau isi objek dengan mengambilnya dan mengocoknya dengan lembut. Dengan metode mereka, yang tidak memerlukan alat pengukuran atau kamera eksternal, robot dapat secara akurat menebak parameter seperti massa objek dalam hitungan detik.
Teknik berbiaya rendah ini bisa sangat berguna dalam aplikasi di mana kamera mungkin kurang efektif, seperti menyortir objek di ruang bawah tanah gelap atau membersihkan puing-puing di dalam bangunan yang sebagian runtuh setelah gempa bumi.
Kunci dari pendekatan mereka adalah proses simulasi yang menggabungkan model robot dan objek untuk dengan cepat mengidentifikasi karakteristik objek itu ketika robot berinteraksi dengannya.
Teknik para peneliti sama baiknya dengan menebak massa objek seperti beberapa metode yang lebih kompleks dan mahal yang menggabungkan visi komputer. Selain itu, pendekatan efisien data mereka cukup kuat untuk menangani banyak jenis skenario yang tidak terlihat.
Gagasan ini bersifat umum, dan saya percaya kami hanya menggaruk permukaan dari apa yang dapat dipelajari robot dengan cara ini. Impian saya adalah membuat robot pergi ke dunia, menyentuh hal -hal dan memindahkan hal -hal di lingkungan mereka, dan mencari tahu sifat -sifat dari semua yang mereka berinteraksi dengan mereka sendiri, “kata Peter Yichen Chen, seorang mit postdoc dan penulis utama A sendiri,” kata Peter Yichen Chen, mit postdoc dan pemimpin utama a sendiri, “kata Peter Yichen Chen, mit postdoc dan pemimpin utama a kertas tentang teknik ini.
Rekan penulisnya termasuk sesama postdoc Chao Liu MIT; Pingchuan MA PhD ’25; Jack Eastman Meng ’24; Dylan Randle dan Yuri Ivanov dari Amazon Robotics; MIT Profesor Teknik Listrik dan Ilmu Komputer Daniela Rus, yang memimpin Laboratorium Ilmu Komputer dan Kecerdasan Buatan MIT (CSAIL); dan Wojciech Matusik, yang memimpin kelompok desain dan fabrikasi komputasi di dalam CSAIL. Penelitian ini akan dipresentasikan pada Konferensi Internasional tentang Robotika dan Otomatisasi.
Sinyal penginderaan
Metode para peneliti memanfaatkan proprioception, yang merupakan kemampuan manusia atau robot untuk merasakan gerakan atau posisinya di ruang angkasa.
Misalnya, manusia yang mengangkat dumbbell di gym dapat merasakan beban dumbbell di pergelangan tangan dan bisep mereka, meskipun mereka memegang dumbbell di tangan mereka. Dengan cara yang sama, robot dapat “merasakan” berat benda melalui banyak sendi di lengannya.
“Seorang manusia tidak memiliki pengukuran sudut sendi yang sangat akurat di jari-jari kami atau jumlah torsi yang tepat yang kami terapkan pada suatu objek, tetapi robot melakukannya. Kami mengambil keuntungan dari kemampuan ini,” kata Liu.
Ketika robot mengangkat objek, sistem para peneliti mengumpulkan sinyal dari encoder sendi robot, yang merupakan sensor yang mendeteksi posisi rotasi dan kecepatan sambungannya selama pergerakan.
Sebagian besar robot memiliki encoder bersama di dalam motor yang menggerakkan bagian -bagian mereka yang dapat dipindahkan, tambah Liu. Ini membuat teknik mereka lebih hemat biaya daripada beberapa pendekatan karena tidak membutuhkan komponen tambahan seperti sensor sentuhan atau sistem pelacakan penglihatan.
Untuk memperkirakan sifat objek selama interaksi robot-objek, sistem mereka bergantung pada dua model: satu yang mensimulasikan robot dan gerakannya dan yang mensimulasikan dinamika objek.
“Memiliki kembar digital yang akurat dari dunia nyata sangat penting untuk keberhasilan metode kami,” tambah Chen.
Algoritma mereka “mengawasi” robot dan objek bergerak selama interaksi fisik dan menggunakan data encoder bersama untuk bekerja ke belakang dan mengidentifikasi sifat -sifat objek.
Misalnya, objek yang lebih berat akan bergerak lebih lambat dari yang ringan jika robot menerapkan jumlah kekuatan yang sama.
Simulasi yang dapat dibedakan
Mereka menggunakan teknik yang disebut simulasi yang dapat diferensiasi, yang memungkinkan algoritma untuk memprediksi bagaimana perubahan kecil dalam sifat objek, seperti massa atau kelembutan, berdampak pada posisi sambungan akhir robot. Para peneliti membangun simulasi mereka menggunakan Perpustakaan Warp NVIDIA, alat pengembang sumber terbuka yang mendukung simulasi yang dapat dibedakan.
Setelah simulasi yang dapat dibedakan cocok dengan gerakan nyata robot, sistem telah mengidentifikasi properti yang benar. Algoritma dapat melakukan ini dalam hitungan detik dan hanya perlu melihat satu lintasan dunia nyata dari robot yang bergerak untuk melakukan perhitungan.
“Secara teknis, selama Anda tahu model objek dan bagaimana robot dapat menerapkan kekuatan pada objek itu, Anda harus dapat mengetahui parameter yang ingin Anda identifikasi,” kata Liu.
Para peneliti menggunakan metode mereka untuk mempelajari massa dan kelembutan suatu objek, tetapi teknik mereka juga dapat menentukan sifat -sifat seperti momen inersia atau viskositas cairan di dalam wadah.
Plus, karena algoritma mereka tidak memerlukan dataset yang luas untuk pelatihan seperti beberapa metode yang bergantung pada visi komputer atau sensor eksternal, itu tidak akan rentan terhadap kegagalan ketika dihadapkan dengan lingkungan yang tidak terlihat atau objek baru.
Di masa depan, para peneliti ingin mencoba menggabungkan metode mereka dengan visi komputer untuk menciptakan teknik penginderaan multimodal yang bahkan lebih kuat.
“Pekerjaan ini tidak mencoba mengganti visi komputer. Kedua metode memiliki pro dan kontra. Tetapi di sini kami telah menunjukkan bahwa tanpa kamera kami sudah dapat mengetahui beberapa properti ini,” kata Chen.
Mereka juga ingin mengeksplorasi aplikasi dengan sistem robot yang lebih rumit, seperti robot lunak, dan benda yang lebih kompleks, termasuk cairan sloshing atau media granular seperti pasir.
Dalam jangka panjang, mereka berharap untuk menerapkan teknik ini untuk meningkatkan pembelajaran robot, memungkinkan robot masa depan untuk dengan cepat mengembangkan keterampilan manipulasi baru dan beradaptasi dengan perubahan di lingkungan mereka.
“Menentukan sifat fisik objek dari data telah lama menjadi tantangan dalam robotika, terutama ketika hanya pengukuran terbatas atau berisik yang tersedia. Pekerjaan ini signifikan karena menunjukkan bahwa robot dapat secara akurat menyimpulkan sifat -sifat seperti massa dan kelembutan hanya menggunakan sensor bersama internal, tanpa mengandalkan simulasi eksternal atau alat pengukuran yang tidak ada yang tidak ada yang tidak ada yang tidak ada yang tidak ada yang tidak ada,” kata Miles Macklin.
Pekerjaan ini didanai, sebagian, oleh Amazon dan program penelitian GIST-CSAIL.
Informasi ini pertama kali tayang di MIT.edu klik disini untuk melihat berita lainnya.
Discover more from Kitiran Media
Subscribe to get the latest posts sent to your email.
