Naukowcy z Laboratorium Informatyki i Sztucznej Inteligencji MIT (CSAIL), b\u0119d\u0105cy pionierami w dziedzinie manipulacji robotami, opracowali rewolucyjny spos\u00f3b sterowania robotami, kt\u00f3ry czerpie inspiracj\u0119 z ludzkiego adaptacyjnego uczenia si\u0119. W przeciwie\u0144stwie do tradycyjnych system\u00f3w robotycznych uzbrojonych w szereg z\u0142o\u017conych czujnik\u00f3w i modeli ruchu starannie skonstruowanych r\u0119cznie, ten nowy system o nazwie Neural Jacobian Fields (NJF) ma zdolno\u015b\u0107 instruowania robot\u00f3w, aby samodzielnie uczy\u0142y si\u0119 w\u0142asnych ruch\u00f3w cia\u0142a i reakcji na polecenia wy\u0142\u0105cznie poprzez obserwacj\u0119.<\/p>\n
W sercu laboratorium CSAIL, mi\u0119kka robotyczna d\u0142o\u0144 zwinnie chwyta niewielki obiekt z finezj\u0105. Co ciekawe, d\u0142o\u0144 nie posiada czujnik\u00f3w, a jej ruchy, obserwowane przez pojedyncz\u0105 kamer\u0119, s\u0105 kierowane wy\u0142\u0105cznie przez dane wizualne. Ta prze\u0142omowa technologia nie pod\u0105\u017ca za sztywnym podej\u015bciem do programowania, kt\u00f3re by\u0142o norm\u0105. Zamiast tego wkracza w sfer\u0119 nauczania i uczenia si\u0119. Roboty staj\u0105 si\u0119 uczniami - obserwuj\u0105, ucz\u0105 si\u0119 i dostosowuj\u0105 swoje ruchy tak jak ludzie.<\/p>\n
\"Ta praca wskazuje na przej\u015bcie od programowania robot\u00f3w do nauczania robot\u00f3w\" - m\u00f3wi Sizhe Lester Li, doktorant MIT, kt\u00f3ry kierowa\u0142 badaniami. \"Zamiast kodowa\u0107 ka\u017cdy ruch, mo\u017cemy pokaza\u0107 robotowi zadanie i pozwoli\u0107 mu dowiedzie\u0107 si\u0119, jak je wykona\u0107\".<\/p>\n
Ta innowacja ca\u0142kowicie odwraca tradycyjny model, kt\u00f3ry opiera si\u0119 na sztywnej konstrukcji i technologii pe\u0142nej czujnik\u00f3w w celu zapewnienia kontroli. NJF pozwala na bezprecedensow\u0105 swobod\u0119, umo\u017cliwiaj\u0105c robotom (niezale\u017cnie od tego, czy s\u0105 mi\u0119kkie, nieregularne, czy bez czujnik\u00f3w) budowanie w\u0142asnego wewn\u0119trznego zrozumienia ruchu poprzez obserwacj\u0119 i adaptacj\u0119. To radykalne podej\u015bcie otwiera przed in\u017cynierami niesko\u0144czone mo\u017cliwo\u015bci tworzenia maszyn inspirowanych biologi\u0105 bez martwienia si\u0119 o p\u00f3\u017aniejsz\u0105 kontrol\u0119 lub komplikacje zwi\u0105zane z modelowaniem.<\/p>\n
\"To tak, jakby\u015b uczy\u0142 si\u0119 kontrolowa\u0107 swoje ko\u0144czyny. Obserwujesz, poruszasz si\u0119 i dostosowujesz\" - wyja\u015bnia Li. \"Na tej samej zasadzie dzia\u0142a nasz system\".<\/p>\n
Zesp\u00f3\u0142 przetestowa\u0142 NJF na r\u00f3\u017cnych formach robot\u00f3w - od pneumatycznej mi\u0119kkiej d\u0142oni i sztywnej d\u0142oni Allegro po rami\u0119 wydrukowane w 3D i obrotow\u0105 platform\u0119 bez czujnik\u00f3w. W ka\u017cdym przypadku system wykorzystywa\u0142 wizualne i losowe dane ruchu, aby nauczy\u0107 si\u0119 i zrozumie\u0107 geometri\u0119 robota oraz jego reakcj\u0119 na polecenia. Po przeszkoleniu, robot potrzebuje tylko jednej kamery monokularowej do dzia\u0142ania w czasie rzeczywistym, osi\u0105gaj\u0105c pr\u0119dko\u015b\u0107 12 klatek na sekund\u0119, co jest znacz\u0105cym post\u0119pem w por\u00f3wnaniu do innych symulator\u00f3w.<\/p>\n
W NJF wbudowana jest sie\u0107 neuronowa, kt\u00f3ra uczy dw\u00f3ch krytycznych aspekt\u00f3w - kszta\u0142tu 3D robota i jego reakcji na sygna\u0142y steruj\u0105ce. System uczy si\u0119 poprzez obserwacj\u0119 losowych dzia\u0142a\u0144 wykonywanych przez robota, ca\u0142kowicie pomijaj\u0105c potrzeb\u0119 udzia\u0142u cz\u0142owieka lub wcze\u015bniejszej wiedzy.<\/p>\n
\"Sam wzrok mo\u017ce zapewni\u0107 wskaz\u00f3wki potrzebne do lokalizacji i kontroli\" - m\u00f3wi Daniela Rus, dyrektor CSAIL i wsp\u00f3\u0142autorka badania. \"Otwiera to drzwi dla robot\u00f3w, kt\u00f3re mog\u0105 funkcjonowa\u0107 w trudnych, nieustrukturyzowanych \u015brodowiskach - bez potrzeby kosztownej infrastruktury\".<\/p>\n
Obecne wyzwania obejmuj\u0105 konieczno\u015b\u0107 indywidualnego szkolenia ka\u017cdego robota przy u\u017cyciu wielu kamer oraz brak wykrywania dotyku. Jednak zesp\u00f3\u0142, przy wsparciu Solomon Buchsbaum Research Fund, MIT Presidential Fellowship, National Science Foundation i Gwangju Institute of Science and Technology, jest zaanga\u017cowany w popraw\u0119 potencja\u0142u systemu poprzez sprostanie tym wyzwaniom.<\/p>\n
\"Podobnie jak ludzie rozwijaj\u0105 intuicyjne wyczucie ruch\u00f3w swojego cia\u0142a\" - m\u00f3wi Li. \"NJF zaszczepia robotom tego rodzaju uciele\u015bnione zrozumienie, k\u0142ad\u0105c podwaliny pod elastyczn\u0105, adaptacyjn\u0105 kontrol\u0119 w prawdziwym \u015bwiecie\".<\/p>\n