Raziskovalci iz laboratorija za računalništvo in umetno inteligenco univerze MIT v ZDA so sestavili robotsko roko, ki se uči prepoznavanja različnih predmetov s pomočjo dotika.
Ljudem je dokaj enostavno sklepati, kakšen bo predmet na otip. Pri tem si pomagamo predvsem s pomočjo vida in sklepanja glede na prejšnje izkušnje. Proces, ki je za nas samoumeven, pa predstavlja velik izziv za stroje, ki nimajo predhodnih izkušenj in imajo posledično omejene možnosti sklepanja.
Za otip je zadolžen senzor GelSight, ki je ravno tako bil razvit v laboratorijih univerze MIT. Vir: MIT News
Za svoj eksperiment so raziskovalci uporabili robotsko roko nemškega podjetja KUKA, ki je znano ime na svojem področju. Roko so opremili s senzorjem GelSight, ki strojem omogoča prepoznavo na podlagi otipa. Senzor je bil razvit v tem laboratoriju, prvič je bil predstavljen že leta 2014.
Posneli več kot 12 000 videov za učenje
Senzor je bil uporabljen v kombinaciji s strojnim učenjem. Za pridobitev potrebne podlage za prepoznavo je ekipa s preprosto spletno kamero najprej posnela več kot 12 000 video posnetkov 200 različnih predmetov, od tekstila do orodij in predmetov, ki so v vsakdanji rabi v večini gospodinjstev. Posnetke so razstavili na posamične slike in jih povezali s podatki senzorja GelSight, s čimer je umetna inteligenca pričela z ustvarjanjem logičnih povezav med izgledom in otipom predmeta. Podatkovna baza, ki so jo raziskovalci poimenovali VisGel, vsebuje več kot tri milijone povezav med izgledom in občutkom otipa predmeta.
Tako lahko robotska roka že s samim pregledom razporeditve predmetov ugotovi, kakšen bo predmet na otip (gladka površina, oster rob itd.) in ga ustrezno prepozna. Sistem deluje tudi z dotikanjem na slepo, saj bogata podatkovna zbirka umetni inteligenci dovoljuje predvidevanje interakcije s predmetom tudi na podalgi samega občutka otipa.
Napredek v delovanju strojev
Sistem je še vedno v zgodnjih fazah razvoja in raziskovalci trenutno delajo na širitvi nabora podatkov v zbirki, da bo robotska roka lahko delovala tudi izven nadzorovanega laboratorijskega okolja.
Z združevanjem vizualnih in senzoričnih podatkov bodo lahko različni stroji bolje delovali brez človeškega nadzora in natančneje prilagajali svoje delovanje glede na vrsto predmeta, s katerim delajo. To je pomembno predvsem zaradi prilagajanja moči oprijema, da ne pride do poškodb na opremi, s katero stroj dela, ter natančnosti pri odlaganju predmetov, saj jih bodo lahko postavili tako, da se predmeti ne bodo zvračali. S tem bo izboljšana tudi učinkovitost, saj strojem ne bo treba večkrat ponavljati gibov.
Uvodna fotografija: KUKA
