W świecie coraz bardziej zależnym od automatyzacji, zdolność robotów do rozumienia i interakcji z fizycznymi obiektami w ich otoczeniu staje się kluczowa. Nowe badania otwierają drzwi do przyszłości, w której maszyny mogą oceniać właściwości przedmiotów, takie jak waga czy miękkość, po prostu podnosząc je i potrząsając, podobnie jak robią to ludzie. Ten postęp, wynikający ze współpracy naukowców z prestiżowych instytucji, takich jak Massachusetts Institute of Technology (MIT), Amazon Robotics i Uniwersytet Kolumbii Brytyjskiej, obiecuje zrewolucjonizować sposób, w jaki roboty uczą się i działają w złożonych środowiskach.

Zmysły od wewnątrz: Nowy paradygmat w percepcji robotycznej

Tradycyjnie roboty w dużej mierze polegały na zewnętrznych czujnikach, takich jak kamery i systemy widzenia komputerowego, do zbierania informacji o obiektach. Jednak nowa metoda przenosi nacisk na wewnętrzne czujniki, pozwalając robotom "czuć" fizyczne właściwości przedmiotów. Ta technika nie wymaga drogich zewnętrznych narzędzi pomiarowych ani kamer, co czyni ją niezwykle użyteczną w sytuacjach, gdy widoczność jest ograniczona lub gdy kamery mogą być mniej skuteczne. Wyobraźmy sobie robota sortującego przedmioty w ciemnej piwnicy lub usuwającego gruz po trzęsieniu ziemi – właśnie w takich scenariuszach ta innowacja pokazuje swój pełny potencjał.

Rdzeń tego podejścia leży w wykorzystaniu propriocepcji, zdolności robota (lub człowieka) do odczuwania własnego ruchu i pozycji w przestrzeni. Tak jak człowiek podnoszący ciężar na siłowni czuje jego ciężar poprzez mięśnie i stawy ręki, robot może "poczuć" ciężar obiektu poprzez liczne stawy swojego ramienia robotycznego. Badacze podkreślają, że chociaż ludzie nie mają wyjątkowo precyzyjnych pomiarów kątów stawów ani dokładnej ilości momentu siły, jaki przykładają, roboty posiadają te zdolności dzięki zaawansowanym czujnikom wbudowanym w ich silniki.

Jak roboty "uczą się" dotykiem?

Kiedy robot podnosi przedmiot, system zbiera sygnały z enkoderów stawów. Enkodery to czujniki, które wykrywają pozycję obrotową i prędkość stawów podczas ruchu. Większość nowoczesnych robotów już posiada enkodery w silnikach napędzających ich ruchome części, co czyni tę technikę bardziej opłacalną w porównaniu z podejściami wymagającymi dodatkowych komponentów, takich jak czujniki dotykowe lub złożone systemy śledzenia wizualnego.

System opiera się na dwóch kluczowych modelach do oceny właściwości obiektu podczas interakcji: jednym symulującym samego robota i jego ruchy oraz drugim symulującym dynamikę obiektu. Peter Yichen Chen, stażysta podoktorski na MIT i główny autor pracy na temat tej techniki, podkreśla znaczenie posiadania dokładnego "cyfrowego bliźniaka" rzeczywistego świata dla sukcesu metody. Algorytm obserwuje ruch robota i obiektu podczas fizycznej interakcji i wykorzystuje dane z enkoderów stawów, aby wstecznie obliczyć i zidentyfikować właściwości obiektu. Na przykład cięższy obiekt będzie poruszał się wolniej niż lżejszy, jeśli robot przyłoży tę samą siłę.

Ten proces pozwala robotowi w ciągu zaledwie kilku sekund dokładnie oszacować parametry, takie jak masa obiektu. Zespół badawczy wykazał, że ich technika jest równie dobra w odgadywaniu masy obiektu, co niektóre bardziej złożone i droższe metody wykorzystujące widzenie komputerowe. Dodatkową zaletą jest solidność podejścia, które jest wydajne pod względem danych i zdolne do radzenia sobie z wieloma rodzajami nieoczekiwanych scenariuszy, w których robot napotyka obiekty, których wcześniej nie "spotkał".

Moc symulacji różniczkowalnej

Kluczowym elementem umożliwiającym tę szybką i precyzyjną ocenę jest technika zwana symulacją różniczkowalną. Ten zaawansowany proces symulacji pozwala algorytmowi przewidzieć, jak niewielkie zmiany we właściwościach obiektu, takie jak masa czy miękkość, wpływają na końcową pozycję stawów robota. Innymi słowy, symulacja może "rozróżnić" wpływ różnych parametrów fizycznych na ruch robota.

Do budowy tych złożonych symulacji badacze wykorzystali bibliotekę NVIDIA Warp, narzędzie open-source dla programistów, które wspiera symulacje różniczkowalne. Warp pozwala programistom pisać programy akcelerowane przez GPU do symulacji, sztucznej inteligencji i uczenia maszynowego bezpośrednio w Pythonie, oferując wydajność porównywalną z natywnym kodem CUDA przy jednoczesnym zachowaniu produktywności Pythona. Gdy symulacja różniczkowalna zostanie zsynchronizowana z rzeczywistymi ruchami robota, system pomyślnie zidentyfikował poprawną właściwość. Algorytm może to osiągnąć w ciągu kilku sekund i potrzebuje tylko jednej trajektorii ruchu robota ze świata rzeczywistego do wykonania obliczeń.

Chao Liu, również stażysta podoktorski na MIT i jeden ze współautorów badania, wyjaśnia: "Technicznie rzecz biorąc, dopóki znasz model obiektu i wiesz, jak robot może przyłożyć siłę do tego obiektu, powinieneś być w stanie ustalić parametr, który chcesz zidentyfikować." Chociaż badacze skupili się głównie na uczeniu się masy i miękkości obiektu, ich technika ma potencjał do określania również innych właściwości, takich jak moment bezwładności czy lepkość cieczy w pojemniku.

Zalety i przyszłe kierunki

Jedną ze znaczących zalet tego podejścia jest jego niezależność od obszernych zbiorów danych treningowych, w przeciwieństwie do niektórych metod opierających się na widzeniu komputerowym lub zewnętrznych czujnikach. To czyni go mniej podatnym na niepowodzenia w obliczu nieznanych środowisk lub nowych obiektów. Roboty wyposażone w tę zdolność mogłyby być znacznie bardziej elastyczne i zaradne.

W przyszłości zespół badawczy planuje połączyć swoją metodę z widzeniem komputerowym, aby stworzyć multimodalną technikę percepcji, która byłaby jeszcze potężniejsza. "Ta praca nie ma na celu zastąpienia widzenia komputerowego. Obie metody mają swoje wady i zalety. Ale tutaj pokazaliśmy, że nawet bez kamery możemy już ustalić niektóre z tych właściwości" - mówi Chen. Integracja różnych modalności sensorycznych mogłaby doprowadzić do powstania robotów o niezwykle wyrafinowanej percepcji otoczenia.

Istnieje również zainteresowanie badaniem zastosowań z bardziej skomplikowanymi systemami robotycznymi, takimi jak roboty miękkie (soft robots), których elastyczne ciała stanowią wyjątkowe wyzwania i możliwości dla interakcji sensorycznej. Podobnie planuje się rozszerzyć technikę na bardziej złożone obiekty, w tym ciecze przelewające się (sloshing liquids) lub media ziarniste, takie jak piasek. Zrozumienie dynamiki takich materiałów wyłącznie poprzez interakcję dotykową byłoby znaczącym krokiem naprzód.

Długoterminowym celem jest zastosowanie tej techniki do usprawnienia uczenia się robotów, umożliwiając przyszłym pokoleniom robotów szybkie rozwijanie nowych umiejętności manipulacyjnych i dostosowywanie się do zmian w ich otoczeniu. "Określanie fizycznych właściwości obiektów na podstawie danych od dawna stanowi wyzwanie w robotyce, szczególnie gdy dostępne są tylko ograniczone lub zaszumione pomiary" - skomentował Miles Macklin, starszy dyrektor ds. technologii symulacji w firmie NVIDIA, który nie był zaangażowany w te badania. "Ta praca jest znacząca, ponieważ pokazuje, że roboty mogą dokładnie wnioskować o właściwościach takich jak masa i miękkość, używając wyłącznie swoich wewnętrznych czujników stawów, bez polegania na zewnętrznych kamerach lub specjalistycznych narzędziach pomiarowych."

Ten postęp otwiera wizję robotów samodzielnie eksplorujących świat, dotykających i poruszających przedmiotami w swoim otoczeniu, a tym samym uczących się o właściwościach wszystkiego, z czym wchodzą w interakcję. Taka zdolność nie tylko usprawniłaby automatyzację przemysłową, ale miałaby również głęboki wpływ na takie dziedziny, jak pomoc domowa, opieka medyczna i badania w niebezpiecznych środowiskach. Zdolność robotów do "odczuwania" i rozumienia otaczającego ich świata w bardziej intuicyjny, ludzki sposób jest kluczem do ich pełniejszej integracji z naszym codziennym życiem. Finansowanie tej obiecującej pracy zostało częściowo zapewnione przez Amazon i program badawczy GIST-CSAIL, sygnalizując zainteresowanie przemysłu praktycznymi zastosowaniami takich technologii.

Rozwój takich technologii skłania również do refleksji nad przyszłością interakcji człowiek-robot. W miarę jak roboty stają się coraz bardziej zdolne do postrzegania i reagowania na swoje otoczenie w subtelny sposób, otwierają się nowe możliwości współpracy i pracy zespołowej. Wizja Petera Yichena Chena dotycząca robotów samodzielnie eksplorujących i uczących się o właściwościach obiektów poprzez dotyk to nie tylko cel techniczny, ale także krok w kierunku tworzenia inteligentniejszych i bardziej autonomicznych systemów, które mogą pomóc ludzkości w rozwiązywaniu złożonych problemów.

Źródło: Massachusetts Institute of Technology