Žmonės gimsta turėdami galimybę keisti savo elgesį pagal daiktus, kuriuos laiko rankose, ir užduotis, kurias bando atlikti. Pavyzdžiui, mokiniai gali išmokti atsargiai nuimti išorinę odelę pjaustydami tam tikrus vaisius ar daržoves arba pjaustyti kietesnes dalis, tokias kaip avokadai ar persikų sėklos.
Robotai turi sugebėti efektyviai pjaustyti daiktus iš mišrių medžiagų kompozicijų ar tekstūrų, kad padėtų žmonėms atlikti įprastas užduotis, tokias kaip maisto gaminimas ir valgio ruošimas. Tačiau perduoti šią galimybę robotams iki šiol pasirodė labai sunku.
RoboNinja, mašininiu mokymusi pagrįsta sistema, kurią neseniai sukūrė Kolumbijos universiteto, CMU, UC Berkeley ir kitų Amerikos institucijų mokslininkai, gali suteikti robotams galimybę pjauti daugiamedžiagius objektus, ypač minkštus daiktus su kietomis šerdimis. Jo straipsniai, paskelbti išankstinio spausdinimo tarnyboje ArXiv, gali padėti tobulinti robotų, sukurtų padėti žmonėms atlikti namų ruošos darbus ir kasdienius maisto gaminimo darbus, įgūdžius.
Zhenjia Xu, Zhou Xian ir kolegos savo darbe pažymėjo, kad RoboNinja tikslas yra pašalinti minkštąją objekto dalį, išsaugant kietąją šerdį, taip maksimaliai padidinant efektyvumą, kitaip nei ankstesniuose tyrimuose, kuriuose buvo naudojami atvirojo ciklo pjovimo veiksmai, siekiant pjaustyti vienos medžiagos objektus (pvz. kaip agurkų pjaustymas). Mūsų metodas tam naudoja interaktyvų būsenos vertiniklį ir adaptyviąją pertraukimo politiką, kad uždarytų suvokimo ir veiksmo kilpą.
Naudodamiesi kompiuterine programa, jie sugebėjo sukurti kompiuterinę programą, kuri leistų sukurti kompiuterinę programą, kuri galėtų veikti bet kuriame kompiuteryje. Sistemos tikslai – išgauti kuo daugiau minkštimo, sumažinant susidūrimus su centrine sėkla ir naudojant kuo mažiau jėgos.
Robotų pjovimo procesai ir sukurti algoritmai
Remiantis Xu, Xian ir kolegų darbu, sistema naudoja nedidelę susidūrimo informaciją, kad pakartotinai prognozuotų objekto šerdies padėtį ir geometriją, tada generuoja uždarojo ciklo pertraukimo veiksmus, pagrįstus numatoma būsena ir tolerancijos verte. Remiantis pareiškimu, „tolerancijos vertė keičia politikos konservatyvumą susidūrimo atveju, išlaikant prisitaikantį saugų atstumą nuo numatomo branduolio“.
Norėdami įvertinti savo sistemą, skirtą kelių medžiagų objektų pjaustymui, mokslininkai sukūrė pjovimo modeliavimo aplinką, labiau pritaikytą iššūkiui, su kuriuo jie susidūrė. Šioje aplinkoje robotas įvairiais būdais gali pjaustyti objektus, pagamintus iš kietų ir minkštų medžiagų derinio.
Pasak Xu, Xian ir kt., „Dabartiniai treniruokliai yra riboti modeliuojant produktus iš kelių medžiagų arba apskaičiuojant energijos suvartojimą per visą pjovimo procesą. Siekdami išspręsti šią problemą, kuriame diferencijuojamą šlyties simuliatorių, kuris palaiko kelių medžiagų ryšį ir leidžia sukurti pavyzdines optimizuotas politikos mokymosi trajektorijas.
RoboNinja įgalino Xu, Xian ir kolegų roboto griebtuvo modeliavimą išgauti daug minkštos medžiagos iš objektų, tuo pačiu apribodama susidūrimus su kietomis dalimis ir sunaudodama pakenčiamą energijos kiekį. Siekdama dar labiau patvirtinti sistemos veikimą realaus pasaulio scenarijuose ir pjaunant objektus su įvairiomis pagrindinėmis geometrijomis, komanda išbandė jį tikru robotu griebtuvu.
Savo ataskaitoje mokslininkai rašė, kad mūsų bandymai parodė, kad mūsų strategija yra apibendrinta naujoviškoms pagrindinėms geometrijoms ir net tikriems vaisiams. „Tikimės, kad mūsų eksperimentų rezultatai ir naujai sukurtas simuliatorius paskatins tolesnius robotų mokymosi tyrimus, susijusius su sąveika su kelių medžiagų elementais“, – rašo autoriai.
Šaltinis: Techxplore
Günceleme: 14/03/2023 14:36