Учени от MIT разработиха нов метод за улеснено обучение на pick-and-place роботи

19.05.2022   |   Начало»Технологии

Редактор
Екатерина Амова

Редактор
Екатерина Амова

С бума на електронната търговия складовите роботизирани системи са изправени пред сериозното предизвикателство да боравят с все по-богат асортимент от продукти с различна форма, размери и функционални елементи, които да захващат и поставят в кутии за опаковане. Специализиран за изпълнението на конкретна задача, един pick-and-place робот може да достигне изключително висока ефективност и производителност. Но това се променя, веднага щом се наложи системата да се преориентира към работа с друг обект. Тогава операторите трябва изцяло да я препрограмират и обучат наново, което традиционно е комплексен и времеемък процес.

Изследователски екип от Масачузетския технологичен институт (MIT) е разработил иновативен метод за програмиране на складови роботи, който изисква едва няколко демонстрации от страна на оператор, преди системата да може успешно да захваща, премества и позиционира изцяло нови за нея обекти с произволни изходни пространствени ориентации. С помощта на новата техника целият обучителен процес вече ще отнема не повече от 15 минути. Тя е базирана на невронни мрежи, които са специално проектирани да реконструират формата на триизмерни обекти.

След неколкократно демонстриране на правилното изпълнение на задачата, например окачване на дръжката на порцеланова чаша на дървен статив, роботът използва това, което невронната мрежа е научила за 3D геометрията на показания обект, и го прилага върху други идентични или сходни с него. Методът е тестван както в симулационна среда, така и върху реално роботизирано рамо, а резултатите са повече от обещаващи - 85% успеваемост при обучение за манипулиране с нови предмети като чаши за кафе, купи и бутилки. За сравнение, досегашните опити в тази сфера постигаха успех в максимум 45% от случаите. Екипът планира в бъдеще да адаптира техниката за боравене с крехки и деликатни обекти, както и за поставяне на предмет от една и съща изходна позиция в различни крайни точки.

С популярните методи за програмиране на pick-and-place системи роботът се научава да захваща даден обект, който е разположен по специфичен начин в пространството. Ако същият обект е сложен да легне обаче, роботът вижда това като изцяло нов работен сценарий, за който няма програмна подготовка. За да преодолеят това предизвикателство, учените от MIT разработват изцяло нов модел невронна мрежа, наречена невронно дескрипторно поле (NDF), която може да разучи триизмерната геометрия на цял клас сходни предмети. Посредством 3D точков облак моделът изчислява геометричната репрезентация на зададения обект, представляваща набор от данни за позиция или координати в трите измерения. Тази информация може да бъде получена от камера за дълбочина, която отчита разстоянието между обекта и гледната точка.

NDF технологията се отличава с ключовата характеристика еквивариантност, която позволява на робота да разбере, че изправената на масата чаша и легналата от следващия сценарий са един и същи обект, който просто е претърпял ротация. Учейки се да реконструира формите на сходни помежду си обекти, невронната мрежа успява да асоциира и подобните им функционални елементи, например дръжки. Така при подобни дръжки на два последователни предмета, роботът ще съобрази, че и двата всъщност представляват чаши, макар да са с различна височина или диаметър или пък дръжките им да се различават по своя размер.

"Основният принос на разработката ни е по посока повишаване на ефективността при обучение на роботи в неструктурирани среди с висока степен на вариабилност. Концепцията за генерализация на изводите посредством реконструиране на триизмерни образи е впечатляваща, тъй като адресира един традиционно сложен проблем в роботиката", коментират авторите на проекта, който ще бъде представен по време на тазгодишното издание на Международната конференция по роботика и автоматизация на Института на инженерите по електротехника и електроника (IEEE) между 23 и 27 май.

Ключови думи: MIT   pick-and-place роботи   складови роботи   програмиране на роботи   невронни мрежи  

Област: Роботика