211service.com
Un robot qui apprend à utiliser des outils
Pour aider les humains dans la maison, les robots devront être capables de faire face à l'inconnu. Mais alors que les chercheurs peuvent préprogrammer des robots pour qu'ils effectuent des tâches de plus en plus sophistiquées, ils sont confrontés à un défi bien plus important pour leur apprendre à s'adapter à des environnements non structurés. Un robot développé à l'Université du Massachusetts à Amherst, cependant, est capable d'apprendre à utiliser des objets qu'il n'a jamais rencontrés auparavant.
Apprenant tactile : Le robot UMan a des roues, une batterie, un bras d'un mètre et une main à trois doigts, qu'il utilise pour pousser des objets sur une table afin de déterminer comment ils se déplacent.
Le robot, appelé UMass Mobile Manipulator, ou UMan, pousse des objets sur une table pour voir comment ils se déplacent. Une fois qu'il a identifié les pièces mobiles d'un objet, il commence à l'expérimenter, le manipulant pour effectuer des tâches. Vous pouvez imaginer un bébé jouant avec un jouet et tirant les différentes parties et voir ce qui bouge comment, explique l'auteur principal et étudiant diplômé Dov Katz, qui a fait le travail avec Oliver Brock, professeur d'informatique.
L'un des défis de la robotique est qu'un [robot] agisse intelligemment, même s'il ne connaît pas la forme de l'objet, explique Andrew Ng , informaticien à l' Université de Stanford qui travaille sur la préhension robotique .
Je pense que leur travail est un pas important dans cette direction, dit Ng. Auparavant, si quelqu'un voulait qu'un robot utilise une paire de ciseaux, il écrirait beaucoup de logiciels [définissant] ce que sont les ciseaux et comment les deux lames se déplacent l'une par rapport à l'autre. En revanche, Katz et Brock proposent une approche complètement nouvelle, où le robot joue seul avec une paire de ciseaux et découvre comment les deux lames sont connectées l'une à l'autre.
UMan utilise une webcam ordinaire pour regarder une table d'en haut. En analysant les différences entre les pixels adjacents, il devine où se trouvent les bords d'un objet. Ensuite, il pousse l'objet et, sur la base de la façon dont il se déplace, révise son estimation de la forme de l'objet ( voir la vidéo ci-dessous ). Il continue à pousser l'objet, observant comment ses parties se déplacent les unes par rapport aux autres. UMan poussera l'objet vers l'arrière et vers l'avant le long de sa largeur et de sa longueur et à un angle de 45 degrés par rapport aux deux, si nécessaire, jusqu'à ce qu'il soit convaincu qu'il comprend comment l'objet se déplace. Partout où le mouvement est restreint, le robot conclut qu'il y a une articulation. UMan utilise ensuite ces informations pour déterminer la meilleure façon de manipuler l'objet. Il peut également indiquer s'il existe plusieurs articulations et comment celles-ci sont liées les unes aux autres.
Crédit : Dov Katz
Katz dit que son équipe a été inspirée par le travail de Paul Fitzpatrick , chercheur au LIRA-Lab de l'Université de Gênes, en Italie. Dans les recherches de Fitzpatrick, un robot a tapé sur un objet pour le distinguer de son arrière-plan visuel. Ce que j'aime dans le travail d'Amherst, par rapport au mien, c'est qu'ils extraient beaucoup plus d'informations à partir de la même action, explique Fitzpatrick. C'est l'équivalent robotique de 'tâtonner' avec un objet, où vous n'en savez pas vraiment assez pour le manipuler avec dextérité.
Pour l'instant, UMan n'est pas équipé pour ramasser des objets ; au lieu de cela, il les manipule sur la surface de la table. Il a appris avec succès à manipuler des ciseaux, des cisailles et plusieurs types de jouets en bois. Un peu plus petit que l'humain moyen, il a un seul bras d'environ un mètre de long. Les sept degrés de liberté du bras le rendent très similaire à un bras humain dans sa flexibilité, selon Katz. Le bras a une main à trois doigts et est monté sur une base rotative.
Les chercheurs s'attendent à ce que UMan soit bientôt en mesure d'utiliser l'expérience passée comme guide pour manipuler de nouveaux objets. Dans des simulations informatiques, ils ont testé un algorithme d'apprentissage pour UMan, de sorte que la prochaine fois [it] voit un objet similaire, [it] peut généraliser et utiliser la même action, dit Katz. Par exemple, vous apprenez quelque chose sur une paire de ciseaux, et la prochaine fois que vous voyez une agrafeuse, vous comprenez qu'elle a une structure similaire. Dans les simulations, l'algorithme a été capable d'identifier les articulations en poussant les objets dans une seule direction, par opposition aux six actuellement utilisées par UMan. Mais Katz espère qu'à terme le robot n'aura même plus besoin de toucher un nouvel objet : il généralisera à ce sujet sur la base de la seule observation visuelle. Katz prévoit de tester l'algorithme d'apprentissage dans le monde réel l'année prochaine.
Ce travail semble être une étape vers un processus de perception-sensation-manipulation plus humain, dit Josh Smith , qui travaille sur la détection pour la préhension robotique chez Intel. L'approche UMass, dit Smith, est philosophiquement intéressante dans la façon dont elle combine la manipulation avec la détection et la perception.