Новая система Bi-Touch, разработанная учеными University of Bristol на базе Bristol Robotics Laboratory, позволяет роботам выполнять ручные задачи, получая информацию о том, что нужно делать, от цифрового помощника.
Результаты исследования, опубликованные в журнале IEEE Robotics and Automation Letters, показывают, как агент ИИ интерпретирует окружающую среду с помощью тактильной и проприоцептивной обратной связи, а затем управляет поведением роботов, обеспечивая точное восприятие, мягкое взаимодействие и эффективное манипулирование объектами для выполнения роботизированных задач.
Эта разработка может полезна, например, для сбора фруктов, бытового обслуживания, а в перспективе - воссоздать осязание в искусственных конечностях.
"С помощью нашей системы Bi-Touch мы можем легко обучить агентов ИИ в виртуальном мире за пару часов выполнять бимануальные задачи, ориентированные на осязание. И что еще более важно, мы можем напрямую применять этих агентов из виртуального мира в реальном без дополнительного обучения - поясняет ведущий автор работы Ицзюнь Линь. - Тактильный бимануальный агент может решать задачи даже при неожиданных возмущениях и мягко манипулировать хрупкими объектами".
Бимануальное манипулирование с тактильной обратной связью станет ключом к развитию манипуляционных возможностей роботов человеческого уровня. Однако эта тема менее изучена, чем однорукие роботы, отчасти из-за доступности подходящего оборудования и сложности разработки эффективных контроллеров для задач с относительно большим пространством состояний и действий. Группа исследователей смогла разработать тактильную двурукую роботизированную систему, используя последние достижения в области ИИ и тактильных датчиков.
Исследователи создали виртуальный мир (симуляцию) с двумя роботами, оснащенными тактильными датчиками. Затем они разработали функции вознаграждения и механизм обновления целей, которые могли бы стимулировать агентов к обучению выполнению бимануальных задач, и создали реальную тактильную двурукую роботизированную систему, к которой можно было бы непосредственно применить этот агент.
Робот обучается бимануальным навыкам с помощью Deep Reinforcement Learning (Deep-RL) - одной из самых передовых технологий в области обучения роботов. Она предназначена для обучения роботов действиям путем проб и ошибок, подобно дрессировке собаки с помощью поощрений и наказаний.
Робот учится принимать решения, пробуя различные варианты поведения для выполнения поставленных задач, например, поднимать предметы, не роняя и не разбивая их. В случае успеха он получает вознаграждение, а в случае неудачи учится тому, чего делать не следует. Со временем он находит оптимальные способы захвата предметов, используя эти поощрения и наказания. ИИ-агент полагается только на проприоцептивную обратную связь - способность тела ощущать движение, действие и местоположение, а также на тактильную обратную связь. Им удалось успешно заставить двурукого робота безопасно поднимать такие хрупкие предметы, как картофельные чипсы Pringle.
"Наша система Bi-Touch демонстрирует перспективный подход с доступным программным и аппаратным обеспечением для обучения бимануальному поведению с помощью осязания в симуляции, который может быть непосредственно применен в реальном мире, - говорит соавтор работы профессор Натан Лепора. - Разработанная нами тактильная симуляция двурукого робота позволяет проводить дальнейшие исследования более разнообразных задач, поскольку код будет открытым, что идеально подходит для разработки других последующих задач".
"Наша система Bi-Touch позволяет тактильному двурукому роботу обучаться на симуляторе и выполнять различные манипуляционные задачи в реальном мире,- заключил Ицзюнь. - И теперь мы можем легко обучить агентов ИИ в виртуальном мире за пару часов выполнять бимануальные задачи, ориентированные на осязание".