Článek
V kanceláři Laboratoře počítačové vědy a umělé inteligence na MIT (CSAIL) v americkém Massachusetts se měkká robotická ruka pomalu kroutí, aby uchopila malý předmět, píše web MIT News.
Nejde však o technologický zázrak plný senzorů – ruka žádné nemá. Celý systém se totiž spoléhá pouze na jedinou kameru, která sleduje pohyby robota a podle nich jej ovládá.
Za touto schopností stojí nový systém Neural Jacobian Fields (NJF) vyvinutý týmem výzkumníků z CSAIL. Místo toho, aby roboti používali předem navržené modely nebo komplexní síť senzorů, učí se vnímat své vlastní tělo jen pomocí zraku.
Inovativní metoda navíc dává robotům něco jako základní tělesné uvědomění – schopnost chápat, jak se jejich tělo pohybuje v reakci na různé povely.
„Naše práce ukazuje posun od programování robotů k výuce robotů,“ řekl Sizhe Lester Li, doktorand MIT v oboru elektrotechniky a informatiky, člen CSAIL a vedoucí výzkumný pracovník této práce.
„Mnoho robotických úloh dnes vyžaduje rozsáhlé inženýrství a kódování. V budoucnu bychom chtěli robotovi ukázat, co má dělat, a nechat ho, aby se naučil, jak cíle dosáhnout samostatně,“ dodal výzkumník.
Jádrem NJF je neuronová síť, která zachycuje dva vzájemně propojené aspekty ztělesnění robota – jeho trojrozměrnou geometrii a citlivost na řídicí vstupy. Systém poté vychází z neuronových zářivých polí (NeRF). To je technika, která rekonstruuje 3D scény z obrázků mapováním prostorových souřadnic na hodnoty barev a hustoty.
Efektivní ovládání robotů
Základní myšlenka celého výzkumu stojí na jednoduchém, ale zásadním přehodnocení problému: největší překážkou dostupné a flexibilní robotiky není samotný hardware, ale způsob, jak robota efektivně ovládat.
Tradiční roboti jsou totiž často pevní a vybaveni množstvím senzorů. To usnadňuje vytvoření tzv. digitálního dvojčete – přesného matematického modelu, podle kterého se jejich pohyby řídí. Jenže jakmile je robot měkký, tvárný nebo má nepravidelný tvar, tyto modely přestávají fungovat.
Místo toho, aby se roboti museli přizpůsobit předem daným modelům, přichází NJF s opačným přístupem. Umožňuje robotům, aby si sami vytvořili vnitřní model na základě toho, co vidí a jak se jejich tělo chová.
Samotné oddělení modelování a návrhu hardwaru by mohlo významně rozšířit prostor pro návrh robotiky. U měkkých a bioinspirovaných robotů konstruktéři často vkládají senzory nebo zesilují části konstrukce jen proto, aby bylo možné modelovat. NJF toto omezení odstraňuje.
„Přemýšlejte o tom, jak se učíte ovládat prsty: kmitáte, pozorujete, přizpůsobujete se. Přesně to dělá náš systém. Experimentuje s náhodnými akcemi a zjišťuje, které ovládací prvky pohybují kterými částmi robota,“ vysvětlil Li.
Potenciál daleko za hranicemi laboratoře
Metoda NJF prokázala svou univerzálnost napříč různými typy robotů. Výzkumníci ji otestovali na celé škále zařízení, včetně měkké pneumatické robotické ruky určené k uchopování, pevné robotické ruky Allegro a 3D tištěné robotické paže a rotující plošiny bez jakýchkoli zabudovaných senzorů.
Ve všech případech se algoritmus dokázal naučit tvar robota i způsob, jakým reaguje na ovládací povely, a to čistě na základě zrakového vnímání a náhodného pohybu.
Výzkumníci vidí potenciál daleko za hranicemi laboratoře. Roboti vybavení NJF by jednoho dne mohli vykonávat zemědělské úkoly s centimetrovou přesností lokalizace, pracovat na stavbách bez složitých soustav senzorů nebo se pohybovat v dynamickém prostředí, kde tradiční metody selhávají.
