Naukowcy z Laboratorium Informatyki i Sztucznej Inteligencji MIT (CSAIL), będący pionierami w dziedzinie manipulacji robotami, opracowali rewolucyjny sposób sterowania robotami, który czerpie inspirację z ludzkiego adaptacyjnego uczenia się. W przeciwieństwie do tradycyjnych systemów robotycznych uzbrojonych w szereg złożonych czujników i modeli ruchu starannie skonstruowanych ręcznie, ten nowy system o nazwie Neural Jacobian Fields (NJF) ma zdolność instruowania robotów, aby samodzielnie uczyły się własnych ruchów ciała i reakcji na polecenia wyłącznie poprzez obserwację.
W sercu laboratorium CSAIL, miękka robotyczna dłoń zwinnie chwyta niewielki obiekt z finezją. Co ciekawe, dłoń nie posiada czujników, a jej ruchy, obserwowane przez pojedynczą kamerę, są kierowane wyłącznie przez dane wizualne. Ta przełomowa technologia nie podąża za sztywnym podejściem do programowania, które było normą. Zamiast tego wkracza w sferę nauczania i uczenia się. Roboty stają się uczniami - obserwują, uczą się i dostosowują swoje ruchy tak jak ludzie.
“Badania te wskazują na przejście od programowania robotów do ich nauczania” – mówi Sizhe Lester Li, doktorant MIT, który kierował badaniami. “Zamiast kodować każdy ruch, możemy pokazać robotowi zadanie i pozwolić mu samemu wymyślić, jak je wykonać”.”
To nowatorskie rozwiązanie całkowicie zmienia tradycyjny model, który opiera się na sztywnej konstrukcji i technologii wykorzystującej liczne czujniki w celu zapewnienia kontroli. Technologia NJF zapewnia niespotykaną dotąd swobodę, umożliwiając robotom (niezależnie od tego, czy są miękkie, o nieregularnych kształtach czy pozbawione czujników) budowanie własnego wewnętrznego zrozumienia ruchu poprzez proste obserwowanie i dostosowywanie się. To radykalne podejście otwiera przed inżynierami nieograniczone możliwości tworzenia maszyn inspirowanych biologią bez obaw o późniejsze komplikacje związane ze sterowaniem lub modelowaniem.
“To tak, jakbyś uczył się kontrolować swoje kończyny. Obserwujesz, poruszasz się i dostosowujesz się” – wyjaśnia Li. “Ta sama zasada obowiązuje w naszym systemie”.”
Zespół przetestował NJF na różnych typach robotów — od pneumatycznej miękkiej dłoni i sztywnej dłoni Allegro po ramię wydrukowane w 3D oraz obrotową platformę bez czujników. W każdym przypadku system wykorzystywał dane wizualne oraz dane dotyczące losowych ruchów, aby nauczyć się i zrozumieć geometrię robota oraz jego reakcję na polecenia. Po zakończeniu szkolenia robot potrzebuje jedynie jednej kamery monokularowej do działania w czasie rzeczywistym, osiągając prędkość 12 klatek na sekundę, co stanowi znaczący postęp w porównaniu z innymi symulatorami.
W systemie NJF wbudowana jest sieć neuronowa, która uczy się dwóch kluczowych aspektów — trójwymiarowego kształtu robota oraz jego reakcji na sygnały sterujące. System uczy się poprzez obserwację losowych działań wykonywanych przez robota, całkowicie pomijając potrzebę udziału człowieka lub wcześniej zdobytej wiedzy.
“Już sam wzrok może dostarczyć sygnałów niezbędnych do orientacji w przestrzeni i sterowania” – mówi Daniela Rus, dyrektor CSAIL i współautorka badania. “Otwiera to drogę do stworzenia robotów, które będą mogły funkcjonować w bardzo chaotycznych, nieuporządkowanych środowiskach – bez konieczności stosowania kosztownej infrastruktury”.”
Obecne wyzwania obejmują konieczność indywidualnego szkolenia każdego robota przy użyciu wielu kamer oraz brak czujników dotykowych. Jednak zespół, przy wsparciu Funduszu Badawczego im. Solomona Buchsbauma, stypendium prezydenckiego MIT, Narodowej Fundacji Naukowej oraz Instytutu Nauki i Technologii w Gwangju, jest zdecydowany zwiększyć potencjał systemu poprzez pokonanie tych wyzwań.
“Podobnie jak ludzie rozwijają intuicyjne wyczucie ruchów własnego ciała’ – mówi Li. ”NJF wyposaża roboty w tego rodzaju ucieleśnione zrozumienie, kładąc podwaliny pod elastyczne i adaptacyjne sterowanie w rzeczywistym świecie“.”
Bardziej szczegółowe informacje na temat tego badania można znaleźć na stronie MIT News: https://news.mit.edu/2025/vision-based-system-teaches-machines-understand-their-bodies-0724
Ta strona używa plików cookie.