От мытья писсуаров до уборки пляжа — мы уже видим будущее, в котором наши роботы-слуги помогают поддерживать наш мир немного чище. Теперь роботизированная рука освоила удивительно сложную задачу мытья раковины, продемонстрировав свою способность к обучению.
Чистка раковины может показаться не самой сложной задачей, но если задуматься, то в нее вкладывается много сил. Вы должны интуитивно знать, под каким углом использовать губку, понимать, какую силу прикладывать к разным частям раковины в зависимости от грязи, и постоянно корректировать свое тело, двигаясь по поверхности. Для нас, людей, это, конечно, легко, но если вы программист, работающий с начинающим роботом, то вам придется много писать.
«Запечатлеть геометрическую форму раковины с помощью камер относительно просто», — говорит Андреас Куги из Института автоматизации и управления в Техническом университете Вены в Австрии. «Но это не самый важный шаг. Гораздо сложнее научить робота: какой тип движения требуется для какой части поверхности? Насколько быстрым должно быть движение? Каков подходящий угол? Какова правильная величина силы?»
Понимая, что программирование всех этих точек данных и комбинаций — сложнейшая задача, Куги и его команда решили позволить своей роботизированной руке научиться выполнять эту задачу, наблюдая за тем, как это делает кто-то другой.
Поэтому они разработали специальную чистящую губку, оснащенную датчиками силы и положения, и попросили человека использовать ее для многократной очистки только переднего края раковины, на которую распылили окрашенный гель, имитирующий грязь. Затем они использовали данные, собранные в ходе этих упражнений, для обучения нейронной сети, которая могла бы преобразовывать ввод в предопределенные шаблоны движений. Они передали эти шаблоны роботу и позволили им информировать его движения, когда он приступает к выполнению задачи. Как вы можете видеть в следующем видео, обучение прошло довольно хорошо.
Roboter lernt Waschbeckenputzen
Федеративное обучение
Хотя эксперимент был сосредоточен на чистке раковины, исследователи говорят, что он демонстрирует тот факт, что руки робота могут выполнять ряд задач на различных поверхностях, включая шлифовку, покраску или сварку листового металла. Более того, они говорят, что целый парк роботов может изучать основные движения друг у друга с помощью так называемого «федеративного обучения», а затем применять эти движения к своим индивидуальным, определенным задачам.
«Представим, что многие мастерские используют этих самообучающихся роботов для шлифовки или покраски поверхностей», — говорит Куги. «Затем вы могли бы позволить роботам приобретать опыт индивидуально с локальными данными. Тем не менее, все роботы могли бы делиться параметрами, которым они научились, друг с другом».
Можете ли вы сказать «сингулярность?»
Документ, описывающий работу команды, доступен в Техническом университете Вены. Недавно он был представлен на конференции IROS 2024 и был удостоен награды «Лучшая прикладная статья», что выделило его среди более чем 3500 других статей.
