Очень ловкая рука робота может работать в темноте

Колумбийский университет, Нью-Йорк, штат Нью-Йорк

Исследователи из Columbia Engineering продемонстрировали очень ловкую роботизированную руку, которая сочетает в себе развитое осязание с алгоритмами моторного обучения для достижения высокого уровня ловкости.

Чтобы продемонстрировать свое мастерство, команда выбрала сложную манипуляционную задачу: выполнить произвольно большое вращение захваченного в руке объекта неравномерной формы, всегда удерживая объект в стабильном и надежном удержании. Рука не только могла выполнить эту задачу, но и делала это без какой-либо визуальной обратной связи — основываясь исключительно на осязании. Кроме того, рука работала без каких-либо внешних камер, поэтому она невосприимчива к освещению, окклюзии и подобным проблемам.

«Хотя наша демонстрация представляла собой задачу проверки концепции, призванную проиллюстрировать возможности руки, мы считаем, что этот уровень ловкости откроет совершенно новые возможности применения роботизированных манипуляций в реальном мире», — сказал доцент Матей Чокарли. . «Некоторые из наиболее непосредственных применений могут быть связаны с логистикой и погрузочно-разгрузочными работами, помогая облегчить проблемы с цепочками поставок, подобные тем, которые преследуют нашу экономику в последние годы, а также в передовом производстве и сборке на заводах».

Исследователи спроектировали и построили роботизированную руку с пятью пальцами и 15 независимо приводимыми в действие суставами — каждый палец был оснащен сенсорной технологией команды. Следующим шагом было проверить способность тактильной руки выполнять сложные манипуляционные задачи. Для этого они использовали метод, называемый глубоким обучением с подкреплением, дополненный новыми алгоритмами, которые они разработали для эффективного исследования возможных двигательных стратегий.

Входные данные для алгоритмов моторного обучения состояли исключительно из тактильных и проприоцептивных данных команды без какого-либо зрения. Используя моделирование в качестве тренировочной площадки, робот прошел примерно год практики всего за несколько часов благодаря современным физическим симуляторам и высокопараллельным процессорам. Затем исследователи перенесли этот навык манипуляции, отработанный в симуляции, на настоящую руку робота, которая смогла достичь ожидаемого уровня ловкости.

«Направленной целью в этой области остается вспомогательная робототехника в доме, идеальный полигон для настоящей ловкости. В этом исследовании мы показали, что руки роботов также могут быть очень ловкими, основываясь только на прикосновении. Как только мы добавим визуальную обратную связь к осязанию, мы надеемся, что сможем достичь еще большей ловкости и однажды приступим к воспроизведению человеческой руки», — сказал Чокарли.

Чокарли заметил, что физический робот, полезный в реальном мире, нуждается как в абстрактном, семантическом интеллекте, так и в телесном интеллекте. Большие языковые модели, такие как GPT-4 от OpenAI или PALM от Google, призваны обеспечить первое, в то время как ловкость в манипуляциях, достигнутая в этом исследовании, представляет собой дополнительный прогресс во втором.

Для получения дополнительной информации свяжитесь с Холли Эвартс по адресу: Этот адрес электронной почты защищен от спам-ботов. Для просмотра у вас должен быть включен JavaScript.; 212-854-3206.

Эта статья впервые появилась в августовском номере журнала Tech Briefs Magazine за 2023 год.

Больше статей из архива читайте здесь.

ПОДПИСАТЬСЯ