Fedezd fel a jövőt: A precíziós otthoni robotok valóságos-tól-szimulációs-ig valósághoz tanulnak!

Az automatizálás kívánságlistáinak élén egy különösen időigényes feladat áll: a házimunka. A robotikában dolgozók számára a megbízható hardver és szoftver kombináció kifejlesztése jelenti a kihívást, amely lehetővé teszi, hogy egy gép tanulja meg a “generalista” politikákat, vagyis a szabályokat és stratégiákat, amelyek irányítják a robotok viselkedését mindenféle környezetben.

Képzett robotok a valós világban

Az MIT Számítástechnikai és Mesterséges Intelligencia Laboratóriumának (CSAIL) kutatói úgy döntöttek, hogy a felhasználók igényeit figyelembe véve próbálnak megoldást találni a robusztus robotpolitikák könnyű képzésére nagyon specifikus környezetekben. “Célunk, hogy a robotok kiválóan teljesítsenek zavaró tényezők, változó fényviszonyok és az objektumok pozícióinak változása mellett, mindezt egyetlen környezeten belül,” mondja Marcel Torne Villasevil, az MIT CSAIL kutatási asszisztense.

A kutatók egy új módszert javasolnak a digitális ikrek gyors létrehozására a legújabb számítógépes látás előrehaladásaival. A felhasználók egyszerűen a telefonjuk segítségével rögzíthetik a valós világ digitális mását, és a robotok egy szimulált környezetben sokkal gyorsabban képezhetik magukat, köszönhetően a GPU párhuzamosításának. “Megközelítésünk kiküszöböli a kiterjedt jutalomtervezést azáltal, hogy néhány valós demonstrációt felhasználva indítjuk el a képzési folyamatot,” mondja Torne.

RialTo: A jövő robotikai megoldása

A RialTo rendszer lehetővé teszi a felhasználók számára, hogy a telefonjuk segítségével beolvassák a célkörnyezetet olyan eszközökkel, mint a NeRFStudio, az ARCode vagy a Polycam. Miután a jelenetet rekonstruálták, a felhasználók részletes beállításokat végezhetnek, és a finomított jelenetet a szimulátorba exportálják. A kutatások kimutatták, hogy a RialTo erős politikákat hozott létre különféle feladatokhoz, javítva az utánzásos tanulás hatékonyságát 67%-kal.

A kutatók különböző nehézségi szinteken tesztelték a rendszert, beleértve a véletlenszerű objektumpozíciókat és a vizuális zavaró tényezők hozzáadását. “Ezek a kísérletek megmutatják, hogy ha egy adott környezetben nagyon robusztusnak kell lennünk, a legjobb megoldás a digitális ikrek felhasználása, ahelyett, hogy széleskörű adatgyűjtéssel próbálnánk meg elérni a robusztusságot,” mondja Pulkit Agrawal, az MIT CSAIL vezető kutatója.

A jövőbeli kihívások

A RialTo jelenleg három napot vesz igénybe a teljes képzéshez, és a kutatók a háttéralgoritmusok és alapmodellek javításán dolgoznak, hogy gyorsítsák a folyamatot. “Jelenlegi módszerünknek vannak korlátai, de úgy látjuk, hogy ez egy jelentős lépés a ‘helyben’ robotprogramozás felé, ahol a robotok önállóan képesek beolvasni a környezetüket és tanulni, hogyan oldjanak meg specifikus feladatokat a szimulációban,” mondja Torne.

Ez az új megközelítés közelebb visz minket ahhoz a jövőhöz, ahol a robotok nem igényelnek előre meghatározott politikát, amely minden forgatókönyvet lefed. Ehelyett gyorsan tanulhatnak új feladatokat anélkül, hogy kiterjedt valós interakcióra lenne szükségük.

Érdekes tény: A RialTo rendszer képes a valós környezetek digitális másainak létrehozására mindössze néhány perc alatt, míg a hagyományos módszerek órákat vehetnek igénybe.

Források: MIT CSAIL, Robotics Science and Systems (RSS) konferencia