211service.com
Un robot que aprende a usar herramientas
Para ayudar a los humanos en la casa, los robots deberán poder lidiar con lo desconocido. Pero si bien los investigadores pueden preprogramar robots para realizar tareas cada vez más sofisticadas, se enfrentan a un desafío mucho mayor al enseñarles a adaptarse a entornos no estructurados. Sin embargo, un robot desarrollado en la Universidad de Massachusetts Amherst puede aprender a usar objetos que nunca antes había encontrado.
Aprendiz táctil: El robot UMan tiene ruedas, una batería, un brazo de un metro y una mano de tres dedos, que utiliza para empujar objetos sobre una mesa para determinar cómo se mueven.
El robot, llamado UMass Mobile Manipulator, o UMan, empuja objetos sobre una mesa para ver cómo se mueven. Una vez que identifica las partes móviles de un objeto, comienza a experimentar con él, manipulándolo para realizar tareas. Puedes imaginar a un bebé jugando con un juguete y tirando de las diferentes partes y viendo qué se mueve cómo, dice el autor principal y estudiante de posgrado Dov Katz, quien hizo el trabajo con Oliver Brock, profesor de informática.
Uno de los desafíos en robótica es hacer que [un robot] actúe de manera inteligente, incluso cuando no conoce la forma del objeto, dice Andrew Ng , científico informático de la Universidad de Stanford que trabaja en agarre robótico.
Creo que su trabajo es un paso importante en esta dirección, dice Ng. Anteriormente, si alguien quiere que un robot use un par de tijeras, escribirá mucho software [definiendo] qué son las tijeras y cómo se mueven las dos hojas entre sí. Por el contrario, Katz y Brock proponen un enfoque completamente nuevo, donde el robot juega con un par de tijeras por sí mismo y descubre cómo las dos cuchillas están conectadas entre sí.
UMan usa una cámara web normal para mirar una mesa desde arriba. Al analizar las diferencias entre píxeles adyacentes, adivina dónde se pueden encontrar los bordes de un objeto. Luego pincha el objeto y, basándose en cómo se mueve, revisa su estimación de la forma del objeto ( ver video a continuación ). Continúa empujando el objeto, observando cómo se mueven sus partes entre sí. UMan empujará el objeto hacia atrás y hacia adelante a lo largo de su ancho y largo y en un ángulo de 45 grados con ambos, si es necesario, hasta que esté satisfecho de que comprende cómo se mueve el objeto. Dondequiera que se restrinja el movimiento, el robot concluye que hay una articulación. Luego, UMan usa esa información para descubrir la mejor manera de manipular el objeto. También puede indicar si hay varias articulaciones y cómo se relacionan entre sí.
Crédito: Dov Katz
Katz dice que su equipo se inspiró en el trabajo de Paul Fitzpatrick , investigador del LIRA-Lab de la Universidad de Génova, en Italia. En la investigación de Fitzpatrick, un robot tocó un objeto para distinguirlo de su fondo visual. Lo que me gusta del trabajo de Amherst, en comparación con el mío, es que extraen mucha más información de esencialmente la misma acción, dice Fitzpatrick. Este es el equivalente robótico de 'jugar a tientas' con un objeto, en el que realmente no sabes lo suficiente sobre él para manipularlo con destreza.
A partir de ahora, UMan no está equipado para recoger objetos; en cambio, los manipula en la superficie de la mesa. Ha aprendido con éxito cómo manipular tijeras, tijeras y varios tipos diferentes de juguetes de madera. Un poco más corto que el humano promedio, tiene un solo brazo de aproximadamente un metro de largo. Los siete grados de libertad del brazo lo hacen muy similar a un brazo humano en su flexibilidad, según Katz. El brazo tiene una mano de tres dedos y está montado sobre una base giratoria.
Los investigadores esperan que UMan pronto pueda utilizar la experiencia pasada como guía para manejar nuevos objetos. En simulaciones por computadora, probaron un algoritmo de aprendizaje para UMan, de modo que la próxima vez que vea un objeto similar, pueda generalizar y usar la misma acción, dice Katz. Por ejemplo, aprende algo sobre un par de tijeras y la próxima vez que vea una grapadora, comprenderá que tiene una estructura similar. En las simulaciones, el algoritmo pudo identificar articulaciones empujando objetos en una sola dirección, a diferencia de las seis que usa actualmente UMan. Pero Katz espera que finalmente el robot ni siquiera necesite tocar un nuevo objeto: generalizará sobre él basándose únicamente en la observación visual. Katz espera probar el algoritmo de aprendizaje en el mundo real durante el próximo año.
Este trabajo parece un paso hacia un proceso de manipulación-detección-percepción más parecido al humano, dice Josh Smith , que trabaja en la detección de agarre robótico en Intel. El enfoque de UMass, dice Smith, es filosóficamente interesante en la forma en que combina la manipulación con los sentidos y la percepción.