Роботи се учат да хващат обекти с нестандартна форма 12.05 | 12:36

Оказало се, че колкото е лесно за човека да избере най-доброто място за захващане на даден обект, толкова е трудно за робота да извърши тази проста наглед процедура. Без нея създаването на реални роботизирани домашни или офис помощници би се оказало невъзможно.

За да решат проблема, инженерите трябвало да разработят нов тип програмиране – алгоритъм, който позволява на роботите да се учат от опита си как да улавят обектите и да ги използват правилно. На принципно ниво това всъщност е начинът, по който всички ние се учим да манипулираме с ръцете си различни обекти в детска възраст.

Макар че е вдъхновен от универсалната ръка, новият алгоритъм може да се използва при всеки вид система за захващане, смятат неговите създатели. Самият универсален хващач се състои от гъвкава торба, пълна с гранулиран материал. Той захваща здраво обектите, като първо ги обгръща и след това нагнетява в торбата с въздух, като по този начин затяга захвата върху тях.

Досегашните алгоритми за захващане са били базирани на 3D-модели на обектите и на самия механизъм за захващане. Компютърният мозък на робота създавал образ как би изглеждал уловеният обект и какви движения трябва да извърши "ръката", за да застане на точната позиция за захващане. Оказало се обаче, че моделирането на начина, по който меката торба на универсалния хващач обгръща неправилни обекти, е твърде сложно за изчисление.

Поради тази причина изследователите прибегнали към подхода на ученето, при който роботът трупа опит под формата на база данни за различните обекти и методите, които позволяват най-подходящото им улавяне. Заедно с това програмата отчита общата големина и форма на обекта, така че да открие най-подходящото място за захвата.

За да тестват метода, изследователите снабдили индустриална роботизирана ръка с универсалния хващач и триизмерна Kinect камера на Microsoft. След това накарали робота да хване общо 23 различни по форма и състав обекти, в т.ч. различни инструменти, играчки и домакински съдове. Роботът успял да се справи успешно със задачата в 90 до 100% от случаите, в зависимост от типа обект. В повечето случаи роботът бил способен да улови успешно и нови обекти, които не били в комплекта за тестване. Най-голяма трудност в случая му създавали предмети, които лесно деформирали формата си, като обувки или дамски чанти.