Прорыв MIT позволяет роботам использовать всё тело для манипуляции объектами
- Новый метод ИИ от MIT позволяет роботам использовать всё своё тело для выполнения сложных задач, имитируя манипуляции, характерные для человека.
- Метод «сглаживания» ИИ упрощает миллиарды потенциальных точек контакта, что значительно сокращает время вычислений и повышает эффективность.
- Этот прорыв может революционизировать различные отрасли и освоение космоса за счёт более универсальных и энергоэффективных робототехнических систем.
Исследователи из Массачусетского технологического института (MIT) значительно улучшили возможности манипулирования роботами. Используя новую технику ИИ, называемую «сглаживанием», роботы теперь могут выполнять задачи с использованием всего тела, а не только кончиков пальцев. Эта инновация может потенциально революционизировать использование роботов на фабриках, в космических исследованиях и других областях.
Проблема планирования манипуляций с большим количеством контактов
Манипулирование объектами всем телом представляет собой грандиозную задачу для роботов. При каждом прикосновении к объекту их пальцами, руками, руками и туловищем необходимо учитывать миллиарды потенциальных точек контакта. Этот процесс, известный как «планирование манипуляций с большим количеством контактов», требует больших вычислительных ресурсов и долгое время был узким местом для практического применения. Люди интуитивно справляются с такими задачами, но для роботов они становятся чрезмерно сложными.
Решение
Чтобы упростить задачу, исследователи из Массачусетского технологического института (MIT) разработали новую технику на основе ИИ, основанную на «сглаживании», которая сводит множество контактных событий к меньшему, более управляемому набору решений. Это нововведение позволяет даже базовым алгоритмам эффективно разрабатывать эффективные планы манипуляций для роботов.
«Сглаживание усредняет многие из этих неважных промежуточных решений, оставляя несколько важных», — сказал Х.Дж. Терри Су, аспирант MIT и соавтор статьи, опубликованной в журнале IEEE Transactions on Robotics.
Обучение с подкреплением против сглаживания
Хотя обучение с подкреплением оказалось эффективным в помощи роботам в выполнении сложных задач, оно требует огромных вычислительных мощностей и времени. По словам Су, оно учится через систему проб и ошибок, работающую как «черный ящик», и часто требует «миллионов лет симуляционного времени», чтобы стать эффективной.
Однако сглаживание предлагает альтернативу. Тщательно понимая модель и проблему, исследователям удалось повысить эффективность процесса. Сглаживание позволяет роботу сосредоточиться на основных взаимодействиях с объектами, обеспечивая более быстрое и эффективное планирование задач.
Достижение эффективности и комбинированный подход
Несмотря на достижения, достигнутые благодаря сглаживанию, поиск даже среди уменьшенного числа решений оставался сложной задачей. Затем исследователи объединили модель сглаживания с алгоритмом поиска, сократив время вычислений до примерно одной минуты на стандартном ноутбуке.
Команда протестировала свой подход как в симуляциях, так и на реальных роботизированных манипуляторах, достигнув производительности, сопоставимой с обучением с подкреплением, но за долю времени.
Применение и перспективы
Последствия этого исследования огромны. В промышленных условиях фабрики могут заменить большие роботизированные руки на более маленькие, мобильные роботы, которые используют все свое тело для задач манипуляции, тем самым снижая потребление энергии и затраты.
Кроме того, эта техника может оказаться неоценимой для исследовательских роботов, отправляемых на Марс или другие небесные тела, где быстрая адаптация к новым условиям имеет решающее значение.
Однако исследователи признают ограничения в обработке динамических задач, таких как способность робота бросать объект в корзину. Команда планирует доработать свой подход, чтобы справиться с такими вызовами.
Су подчеркнул, что вместо того, чтобы рассматривать это как систему «черного ящика», если мы можем использовать структуру таких робототехнических систем с помощью моделей, есть возможность ускорить весь процесс.
Работа была частично профинансирована Amazon, Лабораторией Линкольна при MIT, Национальным научным фондом и группой Ocado. По мере того как методы манипуляции роботами в MIT продолжают развиваться, они открывают новые возможности для робототехники в различных секторах, доказывая, что глубокое понимание проблемы может привести к инновационным решениям.
С такими достижениями роботы, которые манипулируют объектами так же интуитивно, как люди, могут быть не за горами.
Самые умные крипто-энтузиасты уже читают нашу рассылку. Хотите присоединиться? Присоединяйтесь.
Отказ от ответственности. Предоставляемая информация не является торговой рекомендацией. Cryptopolitan.com не несет ответственности за любые инвестиции, сделанные на основе информации, представленной на этой странице. Мы настоятельно рекомендуем проводить независимое исследование и/или проконсультироваться с квалифицированным специалистом перед принятием любых инвестиционных решений.
Глория Кабуру
Глори — крайне осведомлённый журналист, владеющий инструментами ИИ и методами исследований. Она увлечена темой искусственного интеллекта и является автором нескольких статей по этому вопросу. Она постоянно следит за последними достижениями в области искусственного интеллекта, машинного обучения и глубокого обучения и регулярно пишет об этом.
