Roboti získávají novou dovednost: Díky švýcarské technologii zvládnou loupat a krájet i nepravidelné ovoce
InovaceVědci ze Švýcarského federálního technologického institutu v Lausanne (EPFL) a výzkumného institutu Idiap představili novou metodu, která robotům umožňuje s výrazně vyšší přesností manipulovat s nepravidelnými a zakřivenými předměty.
Vědci ze Švýcarského federálního technologického institutu v Lausanne (EPFL) a výzkumného institutu Idiap představili novou metodu, která robotům umožňuje s výrazně vyšší přesností manipulovat s nepravidelnými a zakřivenými předměty. Tato inovace představuje významný krok vpřed v adaptabilní robotické manipulaci v reálném světě.
Dosud se roboti potýkali s přizpůsobivostí při úkolech, jako je krájení, loupání nebo drhnutí, které lidé snadno přenášejí mezi objekty různých tvarů. Hlavní problém spočíval v široké variabilitě geometrie povrchu, což činilo pevné nebo na pozici založené reprezentace nespolehlivými. Stávající přístupy buď ignorovaly geometrickou strukturu, nebo silně závisely na velkém množství tréninkových dat, což omezovalo jejich schopnost zobecňovat.
Nový systém generuje mapu objektu z mračna bodů a identifikuje klíčové referenční body na povrchu. Tím vytváří plynulou reprezentaci, která je nezávislá na tvaru nebo velikosti předmětu a je uzpůsobena pro daný úkol. Vědci navrhují konstrukci kontinuálního pole lokálních referenčních rámců, které jsou vedeny geometrií povrchu a klíčovými body. Toto modulární řešení využívá difuzní (tepelnou) rovnici k šíření geometrických informací po površích a pracuje přímo s mračny bodů, aniž by vyžadovalo čisté 3D modely. Pro úkoly, které přecházejí mezi volným prostorem a kontaktem, kombinuje difuzi s technikami Monte Carlo, což umožňuje rychlý výpočet bez mřížky.
Díky tomuto modelu mohou roboti přenášet dovednosti mezi různými předměty, od banánů po batáty. V testech úspěšně prováděli kontaktní úkoly, jako je loupání, krájení a sondování povrchu. Přístup se ukázal jako odolný, fungoval i s částečnými nebo zašuměnými senzorickými daty a v přeplněných prostředích. Experimentální výsledky prokázaly spolehlivý přenos manipulačních úkolů mezi objekty různých tvarů. Robot vybavený zrakovým, hloubkovým a silovým snímáním úspěšně prováděl úkoly, jako je loupání, krájení a inspekce nových objektů, s použitím stejných akčních reprezentací. Testy na 50 náhodně deformovaných objektech ukázaly, že přístup dosáhl nižší variability v trajektoriích akcí než konvenční metody, což naznačuje silnější zobecnění.
Tato technologie umožňuje robotům zpracovávat neznámé objekty generováním orientačního pole z dat zraku a hloubky v reálném čase, zatímco znovu používají jednoduché, na tvaru nezávislé akce. Rámec se také efektivně integruje s více řídicími strategiemi, včetně teleoperace, optimalizace trajektorie a posilovacího učení, což zlepšuje efektivitu plánování a urychluje konvergenci. Robustnost systému vůči šumům a neúplným senzorickým datům potvrzuje jeho praktičnost pro reálné robotické aplikace. To otevírá cestu k širší automatizaci úkolů, které dosud vyžadovaly lidskou zručnost a přizpůsobivost.