211service.com
Votre assistant personnel robotique
Mis à part le Roomba, les robots n'ont pas fait beaucoup de progrès pour infiltrer les foyers américains. Mais des chercheurs de l'Université de Stanford ont développé un logiciel qui surmonte l'un des plus grands défis : apprendre à un robot comment ramasser un objet qu'il n'a jamais rencontré auparavant. Le logiciel du robot suggère que la meilleure façon de ramasser quelque chose de nouveau est de déterminer la partie la plus accessible de l'objet - la tige d'un verre à vin, la poignée d'une tasse ou le bord d'un livre, par exemple.
Ramasser: Des chercheurs de Stanford ont conçu un logiciel qui aide un robot à saisir des objets qu'il n'a jamais vus auparavant. Le matériel repose sur un empattement Segway et comprend deux lasers pour la navigation, un bras robotique pour la préhension, des haut-parleurs, des caméras et un microphone.
Les ingénieurs et les fans de science-fiction rêvent depuis longtemps de mettre la robotique à la maison, dit Andrew Ng , professeur d'informatique à Stanford. En fait, le matériel robotique qui existe aujourd'hui pourrait permettre à un robot d'effectuer les tâches complexes nécessaires pour ramasser des objets, garder une maison propre, etc. Mais la pièce manquante, explique Ng, est un logiciel qui peut permettre aux robots de faire ces choses par eux-mêmes. Un robot habile avec l'intelligence de ramasser de nouveaux objets sans être spécifiquement programmé pour le faire pourrait être utile pour des tâches domestiques complexes telles que nourrir les animaux domestiques et charger le lave-vaisselle.
S'il est vrai que certains robots sont capables de ramasser des objets spécifiques, même sur une table encombrée, ils le font à l'aide de modèles tridimensionnels spécifiques qui ont été préprogrammés, explique Aaron Edsinger , fondateur de Méka Robotique , une startup à San Francisco. Mais cela suppose que nous allons pouvoir savoir à l'avance quels objets sont là-bas, dit-il. Cela peut être inutile dans une maison de retraite soigneusement construite, par exemple, mais ce serait essentiel dans l'appartement ou la maison d'une famille occupée.
Au lieu d'utiliser des modèles d'objets prédéterminés, certains roboticiens, dont Edsinger et Ng, construisent des systèmes de perception pour les robots qui recherchent certaines caractéristiques sur des objets qui sont bons à saisir. L'équipe de Stanford a abordé le problème en collectant un certain nombre de technologies précédemment fragmentées, explique Ng, telles que la vision par ordinateur, l'apprentissage automatique, la reconnaissance vocale et le matériel de saisie, et en les assemblant dans un robot appelé ESCALIER (Robot d'intelligence artificielle de Stanford).
Multimédia
Regardez le robot obéir aux instructions pour récupérer une agrafeuse.
Regardez le robot ramasser un certain nombre d'objets de formes différentes.
Regardez le robot ouvrir une porte.
Le matériel de STAIR se compose d'un bras robotique mobile avec un microphone, un haut-parleur, des capteurs et des caméras qui aident le bras à récupérer des objets. Le logiciel du robot repose sur des algorithmes d'apprentissage automatique qui peuvent être entraînés pour exécuter certaines fonctions. Les chercheurs ont formé le logiciel à l'aide de 2 500 images d'objets, avec des régions saisissables identifiées.
Mais passer des images bidimensionnelles à un monde tridimensionnel était un défi, explique Ng. En règle générale, un robot peut créer une vue en 3D de son environnement, de sorte qu'il sache à quelle distance se trouve la cafetière de sa main, en utilisant l'entrée de deux caméras. Cette distance est généralement déterminée en collectant un grand nombre de points sur un objet avec les caméras droite et gauche, puis en triangulant toutes les données pour construire un modèle 3D. Cependant, ce processus prend beaucoup de temps et de puissance de calcul.
L'équipe de Ng a développé une alternative qui simplifie le processus. Au lieu de collecter des données sur de nombreux points sur un objet, l'algorithme des chercheurs identifie le milieu d'une partie saisissable d'un objet, telle qu'une poignée, en calculant les bords d'un objet et en le comparant avec les bords d'objets statistiquement similaires dans la base de données. Le logiciel fait correspondre ce point à l'aide des deux caméras et triangule la distance. C'était l'idée clé qui a fait fonctionner toutes nos choses saisissantes, dit Ng. Nous avons maintenant fait des choses comme charger des articles à partir d'un lave-vaisselle.
Les robots doivent encore apprendre les subtilités de la manipulation automatique, ajoute Ng. STAIR a été conçu uniquement pour saisir des objets, et non pour ajuster sa prise en fonction de la situation. Par exemple, il n'a pas été conçu pour verser du café à partir d'un pot - une tâche qui pourrait nécessiter une position de prise différente et une pression différente de celle de simplement ramasser le pot et de le placer sur une étagère. De plus, le logiciel ne connaît pas la cohérence de l'objet, qu'il soit spongieux ou solide. Mais les chercheurs travaillent sur ces problèmes et, en fin de compte, un robot personnel disposera d'une combinaison de technologies de détection et de différents logiciels qui lui permettront de ramasser et de manipuler un objet. (Voir Robots qui détectent avant de toucher.)
Il faudra peut-être des années avant que toutes les technologies ne soient suffisamment bien intégrées pour que les robots puissent gérer seuls les tâches ménagères complexes, mais le travail de Stanford fait avancer le rêve. Si je devais choisir une chose qui retient cette vision de la robotique personnelle, ce serait la capacité de ramasser des choses et de les manipuler, dit Josh Smith , chercheur principal chez Intel Research, à Seattle. Nous avons besoin de plus de stratégies de saisie, comme [les chercheurs de Stanford], qui ne nécessitent pas un modèle 3D explicite de l'objet. Il ajoute qu'en plus du robot ayant des techniques de vision par ordinateur améliorées, la main réelle du robot aura très probablement un certain nombre de capteurs qui peuvent sentir si un objet bouge ou si la prise n'est pas correcte. Une détection beaucoup plus riche dans la main sera une partie importante de la solution, dit Smith.