Comment les robots peuvent rapidement s'apprendre à saisir de nouveaux objets

Saisir un stylo ou une paire de lunettes de soleil peut être sans effort pour vous ou moi, mais c'est extrêmement difficile pour un robot, surtout si l'objet en question n'est pas familier ou mal positionné.

Le Baxter du laboratoire de Stefanie Tellex essaie de saisir deux objets à la fois.

La pratique rend parfait, cependant, comme le prouve un robot. Il s'apprend à saisir toutes sortes d'objets à travers des heures de répétition. Le robot utilise différentes caméras et capteurs infrarouges pour regarder un objet inconnu sous différents angles avant d'essayer de le ramasser. Ensuite, il le fait en utilisant plusieurs prises différentes, en secouant l'objet pour s'assurer qu'il est bien tenu. Cela peut prendre des dizaines d'essais au robot pour trouver la bonne prise, et des dizaines d'autres pour s'assurer qu'un objet ne glisse pas.

Cela peut sembler un processus fastidieux, mais une fois que le robot a appris à ramasser quelque chose, il peut partager ces connaissances avec d'autres robots qui ont les mêmes capteurs et pinces. Les chercheurs à l'origine de cet effort espèrent que des centaines de robots apprendront collectivement à saisir un million de choses différentes.

Le travail a été fait par Stéphanie Tellex , professeur adjoint à l'Université Brown, avec l'un de ses étudiants diplômés, Jean Oberlin . Ils ont utilisé un robot industriel à deux bras appelé Baxter, fabriqué par la société basée à Boston Repenser la robotique .

Au Northeast Robotics Colloquium, un événement qui s'est tenu au Worcester Polytechnic Institute ce mois-ci, Oberlin a démontré les capacités de préhension du robot aux membres du public.

Permettre aux robots de manipuler plus facilement des objets est l'un des grands défis de la robotique aujourd'hui, et cela pourrait avoir une importance industrielle majeure (voir Shelf-Picking Robots Will Vie for Amazon Prize).

Tellex indique que les chercheurs en robotique recherchent de plus en plus des moyens plus efficaces d'entraîner des robots à effectuer des tâches telles que la manipulation. Nous disposons désormais d'algorithmes puissants, tels que l'apprentissage en profondeur, qui peuvent apprendre à partir de grands ensembles de données, mais ces algorithmes nécessitent des données, dit-elle. La pratique du robot est un moyen d'acquérir les données dont un robot a besoin pour apprendre à manipuler des objets de manière robuste.

Tellex note également qu'il existe aujourd'hui environ 300 robots Baxter dans divers laboratoires de recherche à travers le monde. Si chacun de ces robots utilisait ses deux bras pour examiner de nouveaux objets, dit-elle, il leur serait possible d'apprendre à saisir un million d'objets en 11 jours. En demandant aux robots de partager ce qu'ils ont appris, il est possible d'augmenter la vitesse de collecte des données par ordre de grandeur, dit-elle.

Pour saisir chaque objet, le robot des chercheurs de Brown le scanne sous différents angles à l'aide d'une des caméras dans ses bras et des capteurs infrarouges sur son corps. Cela lui permet d'identifier les emplacements possibles à saisir. Les chercheurs ont utilisé une technique mathématique pour optimiser le processus de pratique des différentes prises. Avec cette technique, le robot Baxter de l'équipe a ramassé des objets jusqu'à 75 % de manière plus fiable qu'avec son logiciel habituel. Les informations acquises pour chaque objet - les images, les scans 3D et la prise correcte - sont encodées dans un format qui permet de les partager en ligne.

D'autres groupes développent des méthodes pour permettre aux robots d'apprendre à effectuer diverses tâches, dont la préhension. L'un des moyens les plus prometteurs d'y parvenir est l'apprentissage en profondeur à l'aide de réseaux de neurones, qui sont des simulations vaguement modélisées sur la façon dont les nerfs du cerveau traitent l'information et apprennent (voir Robot Toddler Learns to Stand by 'Imagining' How to Do It ).

Bien que les humains acquièrent une capacité à saisir par l'apprentissage, un enfant n'a pas besoin de passer autant de temps à manipuler différents objets, et il peut utiliser son expérience antérieure pour comprendre très rapidement comment ramasser un nouvel objet. Tellex dit que le but ultime de son projet est de donner aux robots des capacités similaires. Notre objectif à long terme est d'utiliser ces données pour généraliser à de nouveaux objets, dit-elle.

cacher