Инженеры из MIT научили роботов учить роботов
Исследователи из Лаборатории информационных технологий и искусственного интеллекта Массачусетского технологического института (CSAIL MIT) разработали систему, которая позволяет даже неопытному оператору управлять роботом, а также позволяет переносить навыки между роботами разной конструкции. Доклад будет представлен на конференции ICRA 2017, кратко о разработке рассказывает Engadget.
Сегодня для обучения роботов какому-либо действию широко используется детальное программирование движений робота, набор нужной последовательности из готовых небольших движений (семплинг), либо наглядная демонстрация «как надо» с помощью контроллера или физического перемещения частей робота, во время которой робот записывает производимые движения и затем может их повторить. У этих методов есть свои слабые места: обученный через демонстрацию робот не сможет передать свои навыки устройству, которое даже незначительно отличается по конструкции, а перенастройка отдельных движений робота прямым программированием или с помощью семплинга требует некоторого времени и наличия квалифицированного специалиста.
Разработанная в MIT программная платформа C-LEARN совмещает два популярных подхода: робот пользуется библиотекой простых движений с заданными оператором ограничениями (например, библиотека содержит данные о хвате манипулятора, подходящего к форме и жесткости предмета), а оператор, не обладающий навыками программирования, показывает роботу в 3D-интерфейсе движения, ключевые для выполнения задачи. После демонстрации система самостоятельно подбирает последовательность движений робота и показывает ее оператору. Оператор при необходимости может внести правки в автоматически составленную последовательность действий.
Для демонстрации работоспособности системы разработчики опубликовали ролик, в котором, например, робот достает цилиндр из более крупного объекта. По словам разработчиков C-LEARN, при тестировании системы робот Optimus показал успешное выполнение задачи в 87,5 процентах случаев без корректировки со стороны оператора и 100-процентный успех при правке последовательности действий оператором.
При этом C-LEARN не только упрощает программирование действий для конкретного робота, но и позволяет заново «пересобрать» задачу для выполнения роботом другой конструкции. Так, авторам удалось успешно передать гуманоидному роботу Atlas навыки, полученные роботом Optimus. В частности, робот научил робота открывать двери, а также доставать предметы из ящика и перемещать их.
Существуют и другие методы обучения роботов. Например, нередко используются методы машинного обучения: роботы уже могут коллективно обучаться выполнению одной задачи, сохранять равновесие, смягчать удар при падении, держать пистолет и даже правдоподобно давать пять.
Он оказался точнее и эффективнее предыдущих версий
Американские ученые разработали тонкопленочный охладитель, с помощью которого люди с протезами руки могут чувствовать температуру предметов. С помощью полупроводников и сверхрешеток он охлаждается в участках культи, которые воспринимают механические и термические ощущения, что вызывает соответствующие ощущения в фантомной руке. По сравнению с предыдущими термоэлектрическими устройствами эта разработка меньше весит и точнее передает информацию о температуре. Разработка описана в статье журнала Nature Biomedical Engineering. Ученые и биоинженеры разрабатывают все больше интерфейсов, которые позволяют с помощью стимуляции нервов в культе передавать ощущения при использовании протезов, включая давление, вибрацию и боль. Однако пока нет заметных успехов в разработке устройств для ощущения температуры в протезе — все существующие разработки неудобны для повседневного использования из-за большого веса и неэффективного энергопотребления. Генерация реалистичных и информативных тепловых сигналов в протезах позволила бы получать мультимодальную сенсорную информации об окружающей среде в режиме реального времени. Например, определять, температуру напитка, реагировать на горячие предметы или ощущать тепло личного прикосновения. Люк Осборн (Luke Osborn) с коллегами из Университета Джонса Хопкинса выдвинули гипотезу, что технологию тонкопленочного термоэлектрического охлаждения (TFTEC) можно использовать для передачи сигнала с протеза на конкретные рецепторные участки на культе, чтобы создавать полноценное ощущение температуры в фантомной руке. Для этого они разработали неинвазивный термоневральный интерфейс — между термическими стимулами и кожными рецепторами — с использованием устройства TFTEC. В этом устройстве использовались монокристаллические материалы и иерархические сверхрешетки, что придает ему высокую рабочую мощность, плотность охлаждения и, как следствие, быструю и энергоэффективную стимуляцию. Устройство толщиной 1,2 миллиметра и массой 0,05 грамма способно снижать температуру на 10-20 градусов Цельсия за три секунды и удерживать этот температурный градиент в течение длительного времени. В лабораторных условиях эти показатели были значительно лучше, чем у предыдущих, объемных, версий термоэлектрических интерфейсов. Поскольку после ампутации нервы культи могут «иннервировать» фантомную конечность, ученые определили у четырех человек с ампутированной рукой участки культи, которые при механической или термической стимуляции вызывали ощущения прикосновения и температуры в фантомной руке. Устройство TFTEC поместили на кожу четырех участников с ампутацией, чтобы восстановить ощущение температуры в фантомной руке. Все участники ощущали охлаждение c экспериментальным устройством, с контрольным термоэлектрическим устройством эффект почувствовали только два участника. Кроме того, участники быстрее и интенсивнее воспринимали холодовые ощущения на культе и в фантомной руке по сравнению со стандартным объемным устройством. Аналогичные результаты показал эксперимент со здоровыми добровольцами, которые касались устройства указательным пальцем. В другом эксперименте участники управляли виртуальным модульным протезом руки, чтобы прикоснуться к виртуальным объектам и определить холодный. Во всех тестах устройство TFTEC помогало людям быстрее и точнее справиться с заданием по сравнению с классическими устройствами. Наделять протез ощущениями важно, чтобы человек без конечности мог нормально адаптироваться к нему и жизни с ним. Например, недавно мы рассказывали, что тактильная стимуляция облегчила управление протезом руки.