Ci sono alcuni compiti per i quali i robot tradizionali, rigidi e metallici, semplicemente non sono adatti. CON
ricercatori del MITL'istituto ha sviluppato uno speciale algoritmo per risolvere questo problema. Aiuterà gli ingegneri a sviluppare robot software in grado di raccogliere informazioni più utili sull’ambiente. L'algoritmo di deep learning suggerisce il posizionamento ottimizzato dei sensori nel corpo del robot. Ciò, a sua volta, gli consente di interagire meglio con l’ambiente e svolgere i compiti assegnati. "Il sistema non solo apprende un problema specifico, ma anche il modo migliore per progettare un robot per risolverlo", spiega Alexander Amini del MIT.
La ricerca sarà presentata al congresso di aprileConferenza internazionale IEEE sulla robotica morbida. Gli autori principali sono Alexander Amini e Andrew Spielberg, studenti laureati presso il Computer Science and Artificial Intelligence Laboratory (CSAIL) del MIT. Altri coautori includono la studentessa laureata del MIT Lilian Chin e i professori Wojciech Matusik e Daniela Rus.
I robot dal corpo morbido sono flessibili e malleabili - loroassomigliano più a una palla che rimbalza che a una palla da bowling. Il loro problema principale è che sono infinitamente dimensionali. Qualsiasi punto di un robot con un corpo morbido può teoricamente deformarsi in ogni modo possibile. Ciò rende difficile creare un robot morbido in grado di visualizzare la posizione delle sue parti del corpo. I tentativi precedenti hanno utilizzato una telecamera esterna per determinare la posizione del robot e inviare queste informazioni al programma di controllo del robot. Ma i ricercatori volevano creare un robot morbido che non dipendesse da un aiuto esterno.
“Non puoi ospitare un numero infinito disensori sul robot stesso, - sottolinea Spielberg. "Quindi la domanda è: quanti sensori hai e dove li posizioni per ottenere il massimo dal tuo investimento?"
Per trovare la risposta il team si è rivolto al deep learning.
I ricercatori hanno sviluppato una nuova architetturauna rete neurale che ottimizza il posizionamento dei sensori e impara a eseguire le attività in modo efficiente. Innanzitutto, i ricercatori hanno diviso il corpo del robot in regioni: “parti del corpo”. Il tasso di deformazione di ciascuna particella è stato inserito nella rete neurale. Attraverso tentativi ed errori, la rete apprende la sequenza di movimenti più efficiente per eseguire compiti, come afferrare oggetti di diverse dimensioni. Allo stesso tempo, la rete tiene traccia di quali parti vengono utilizzate più spesso e seleziona quelle meno utilizzate dal set di dati di input per i successivi test della rete.
Ottimizzando le parti più importanti del corpo del robot,la rete suggerisce anche dove posizionare i sensori sul robot per garantire un funzionamento efficiente. Ad esempio, in un robot simulato con un braccio che afferra, un algoritmo potrebbe suggerire che i sensori siano concentrati dentro e intorno alle dita, dove le interazioni controllate con precisione con l'ambiente sono vitali per la capacità del robot di manipolare gli oggetti. Anche se questo può sembrare ovvio, si è scoperto che l'algoritmo ha superato di gran lunga l'intuizione umana su dove posizionare i sensori.
I ricercatori hanno confrontato il loro algoritmocon una serie di previsioni di esperti. Per tre diversi progetti di robot morbidi, il team ha chiesto ai robotisti di selezionare manualmente dove posizionare i sensori per garantire che compiti come la presa di vari oggetti potessero essere svolti in modo efficiente. Hanno quindi eseguito simulazioni confrontando robot touchscreen con robot touchscreen. E i risultati non erano vicini. “Il nostro modello ha notevolmente sovraperformato gli esseri umani in ogni compito. Anche se ero sicuro di sapere dove posizionare i sensori… – conclude Amini. “Si scopre che ci sono molte più sottigliezze in questo problema di quanto ci aspettassimo inizialmente”.
Leggi di più
I fisici hanno creato un analogo di un buco nero e hanno confermato la teoria di Hawking. Dove porta?
Gli scienziati hanno scoperto la mitica particella di Odderon
Il fenomeno naturale più misterioso. Da dove vengono i fulmini globulari e in che modo sono pericolosi?