iPon Hírek

Edzésterv robotkaroknak

Dátum | 2016. 03. 31.
Szerző | Jools
Csoport | EGYÉB

Emberként meglehetősen jók vagyunk abban, hogy ujjainkkal különböző objektumokat ragadjunk meg. Ennek oka, hogy nagy gyakorlatunk van a tevékenységben: gyermekkorunkban rengeteg időt töltöttünk azzal, hogy megpróbáltunk megfogni és felemelni valamit, majd kudarcot vallottunk vagy éppen sikerrel jártunk. A tanulásra képes robotikus rendszerek fejlesztői annyival könnyebb helyzetben vannak a robotjaik oktatása közben, hogy amit az egyik rendszer megtanult, abból a többi hasonló konstrukció is könnyen profitálni tud, ha hozzáfér az adatokhoz. Így aztán nem kell végigpörgetni az egész robotikus gyermekkort, hanem helyette lehetőség van arra, hogy egyszerre sok robot, rövidebb ideig gyakoroljon. A Google kutatói pontosan ezt teszik az általuk fejlesztett robotkarok „edzése” során: több mint egy tucat kart állítottak munkába, amelyek egy hónapon keresztül különböző jellegű (nehéz, könnyű, nagy, kicsi, kemény, puha, lapos, kerek, átlátszó) és helyzetű tárgyakat igyekeztek megragadni. A tanulási időszak összesen 800 ezer megragadási kísérletéből az összes kar sokat tanulhat, ám ahogy a kutatók mondják, ez még csak a kezdet.
Az embert a kéz és a szem együttes munkája teszi különösen hatékonnyá a tárgyak megfogásában. Persze csukott szemmel is képesek vagyunk megfogni dolgokat, de sokkal hatékonyabban hajtjuk végre a feladatot, ha szemünkkel követni tudjuk kezünk és a tárgy egymáshoz képesti helyzetét, és mozdulatainkat ennek megfelelően irányítjuk. A robotikában ezt vizuális szervónak nevezik, amely a tárgyak ügyesebb megragadásán túl azt is lehetővé teszi, hogy a robotkar mozgó objektumokat is megfogjon, amire a való világban elég gyakran szükség van. A vizuális szenzorok és a mozgást irányító rendszer összehangolása ugyanakkor nagyon nehéz feladat, és tekintve a potenciális szituációk nagy számát, kész algoritmusokkal nem is nagyon lehet megoldani, hiszen így valószínűleg csak egy olyan robotot kapunk végeredményül, amely a tárgyak megfogásában csak bizonyos helyzetekben sikeres. Sokkal jobb tehát, ha a kéz és a szem összehangolását a robot magától tanulja meg. A Google kutatói ennek megvalósítása érdekében először csak egyetlen robotkarral kezdtek kísérletezni. A kar vizuális szenzorait és mozgását egy olyan neurális hálózat koordinálta, amelynek struktúráját a látókéreg ihlette. A rendszer felmérte az aktuális helyzetet, majd megjósolta, hogy milyen mozdulattal lesz képes az aktuális objektum megragadására, menet közben is igazítva a kar mozgásain.
A robotkar eleinte kifejezetten ügyetlen volt, aztán lassacskán egyre hatékonyabb lett. Közben a kutatók kibővítették a kísérleti elrendezést, míg végül 14 robotkar tréningezett egymással párhuzamosan, folyamatosan információval látva el egymást is. A procedúra teljesen automatikusan működik, a robotok tudják, hogy mi a feladatuk, de azt, hogy ezt hogyan kell végrehajtaniuk, maguknak kell kitalálniuk. A kísérletet felügyelő embereknek pedig közben mindössze annyi a dolguk, hogy tárgyakat helyezzenek a robotok elé. A karok a mozdulatok végrehajtása közben folyamatosan előrejelzéseket végeznek, és a saját mozgásukat figyelve újra és újra felmérik, hogyan kell módosítaniuk a kar pályáját ahhoz, hogy maximális legyen az esély a sikerre, mondják a fejlesztők. A folyamatos visszacsatolás a szem-kéz koordinációhoz nagyon hasonló végeredményt produkál. A robotok a összesen 3000 órányi tanulási időszakuk alatt olyan új viselkedésformákat is kifejlesztettek, amelyek nem köthetők szorosan a tárgy megfogásához, de megkönnyítik a feladat végrehajtását. Ilyen például a kiszemelt tárgy izolálása a nagyobb halomból. Ezt a fajta megközelítést senki sem programozta be a rendszerbe előre, hanem a gyakorlás során magától fejlődött ki, állítják a kutatók. A fejlesztés következő szakaszában az lenne a cél, hogy a rendszer saját hardveréhez is megtanuljon gyorsan alkalmazkodni, és akkor se jöjjön zavarba, ha a neurális hálózatra egy másfajta robotkart kötnek rá, vagy éppen más körülmények között kell végrehajtani a feladatot.
Új hozzászólás írásához előbb jelentkezz be!

Eddigi hozzászólások

1. KatonaKM
2016.04.01. 06:32
Ezek a fejlesztések már a terminátorokhoz kellenek
 
Válasz írásához előbb jelentkezz be!