Švýcarští vědci učí roboty sdílet dovednosti: Stačí jedna ukázka pro stroje s různým designem

Schopnosti naučené jednomu robotovi obvykle nelze přenést na jiného. S novým přístupem je však možné, aby si roboti s různými designy sdíleli dovednosti z jediné lidské demonstrace.

Schopnosti naučené jednomu robotovi obvykle nelze přenést na jiného. S novým přístupem je však možné, aby si roboti s různými designy sdíleli dovednosti z jediné lidské demonstrace. Tento průlomový systém vyvinuli vědci ze Švýcarského federálního institutu v Lausanne, čímž výrazně zvyšují adaptabilitu robotů v reálném světě.

Dosud bylo běžné učit roboty tak, že jim člověk fyzicky ukazoval požadované pohyby, ať už přímým vedením kloubů, dálkovým ovládáním, nebo dokonce kreslením. Tyto dovednosti však byly neoddělitelně spjaty s konkrétním strojem. Pokud společnost přešla na nový model robota s odlišným designem, bylo nutné ho trénovat od začátku, což představovalo značnou překážku. Nový přístup, publikovaný v časopise Science Robotics, obchází tento problém tím, že učí roboty rozumět limitům jejich vlastních kloubů.

Překvapivě, systém nespoléhá na umělou inteligenci. Místo toho vědci analyzovali fyzické vlastnosti několika robotických ramen se třemi rotačními klouby, což je běžný design v komerčním prostředí, a zmapovali jejich limity. Tyto limity, které inženýři nazývají „singularity“ a které mohou způsobit náhlé a nebezpečné pohyby, byly vloženy do programování každého robota. Tým to nazývá „kinematickou inteligencí“ – v podstatě znalostí toho, jaké pohyby stroje mohou bezpečně provádět a jaké ne. Pokud se pohyb blíží nebezpečné zóně, systém aktivuje „sledovací cyklus“, strategii pro obcházení nebezpečí, přizpůsobenou kategorii robota.

V rámci praktického testu tým simuloval montážní linku se třemi komerčními roboty s různou flexibilitou. Člověk předvedl tři úkoly: posunutí předmětu z dopravníku, jeho zvednutí, umístění na pracovní stůl a následné vložení do koše. Všechny tři roboty, i přes to, že se jejich pohyby blížily limitům, úspěšně splnily úkoly podle jediné demonstrace. Systém sice zatím není navržen pro nepředvídatelná prostředí nebo komplexní rozhodování a je nejvhodnější pro vysoce kontrolované tovární prostředí, ale jeho schopnost umožnit robotům sdílet dovednosti by mohla výrazně urychlit praktickou integraci robotů v průmyslu.