211service.com
Il tuo assistente personale robotico
A parte Roomba, i robot non hanno fatto molti progressi nell'infiltrarsi nelle case americane. Ma i ricercatori della Stanford University hanno sviluppato un software che supera una delle sfide più grandi: insegnare a un robot come raccogliere un oggetto che non ha mai incontrato prima. Il software del robot suggerisce che il modo migliore per raccogliere qualcosa di nuovo è determinare la parte più afferrabile dell'oggetto, ad esempio lo stelo di un bicchiere da vino, il manico di una tazza o il bordo di un libro.
Prendilo: I ricercatori di Stanford hanno progettato un software che aiuta un robot ad afferrare oggetti che non ha mai visto prima. L'hardware si trova su una base del volante del Segway e include due laser per la navigazione, un braccio robotico per la presa, altoparlanti, telecamere e un microfono.
Gli ingegneri e gli appassionati di fantascienza sognano da tempo di mettere la robotica in casa, dice Andrea Nga , professore di informatica a Stanford. In effetti, l'hardware robotico che esiste oggi potrebbe consentire a un robot di svolgere le complesse attività necessarie per raccogliere oggetti, mantenere pulita una casa e così via. Ma il pezzo mancante, spiega Ng, è un software che può consentire ai robot di fare queste cose da soli. Un robot abile con l'intelligenza di raccogliere nuovi oggetti senza essere specificamente programmato per farlo potrebbe essere utile per compiti domestici complessi come dare da mangiare agli animali domestici e caricare la lavastoviglie.
Mentre è vero che alcuni robot sono in grado di raccogliere oggetti specifici, anche su un tavolo disordinato, lo fanno con l'aiuto di specifici modelli tridimensionali che sono stati preprogrammati, afferma Aaron Edsinger , fondatore di Robotica Meka , una startup di San Francisco. Ma questo presuppone che saremo in grado di sapere in anticipo quali oggetti ci sono là fuori, dice. Questo potrebbe essere inessenziale in una casa di cura costruita con cura, ad esempio, ma sarebbe essenziale nell'appartamento o nella casa di una famiglia impegnata.
Invece di utilizzare modelli di oggetti predeterminati, alcuni robotisti, tra cui Edsinger e Ng, stanno costruendo sistemi di percezione per robot che cercano determinate caratteristiche sugli oggetti che sono buone da afferrare. Il team di Stanford ha affrontato il problema raccogliendo una serie di tecnologie precedentemente frammentate, afferma Ng, come la visione artificiale, l'apprendimento automatico, il riconoscimento vocale e l'hardware di presa, e le ha messe insieme in un robot chiamato SCALA (Robot di intelligenza artificiale di Stanford).
Multimedia
Guarda il robot obbedire alle istruzioni per recuperare una cucitrice.
Guarda il robot raccogliere un numero di oggetti di forma diversa.
Guarda il robot aprire una porta.
L'hardware di STAIR è costituito da un braccio robotico mobile con un microfono, un altoparlante, sensori e telecamere che aiutano il braccio a recuperare gli oggetti. Il software del robot ha le sue basi in algoritmi di apprendimento automatico che possono essere addestrati per eseguire determinate funzioni. I ricercatori hanno addestrato il software utilizzando 2.500 immagini di oggetti, identificando regioni afferrabili.
Ma fare il salto dalle immagini bidimensionali a un mondo tridimensionale è stata una sfida, afferma Ng. In genere, un robot può creare una vista 3D del suo ambiente, quindi sa quanto è lontana la caffettiera dalla sua mano, utilizzando l'input di due telecamere. Questa distanza viene solitamente determinata raccogliendo un gran numero di punti su un oggetto con le fotocamere destra e sinistra e quindi triangolando tutti i dati per costruire un modello 3D. Tuttavia, questo processo richiede molta potenza di calcolo e tempo.
Il team di Ng ha sviluppato un'alternativa che semplifica il processo. Invece di raccogliere dati su molti punti su un oggetto, l'algoritmo dei ricercatori identifica il punto medio di una porzione afferrabile di un oggetto, come una maniglia, calcolando i bordi di un oggetto e confrontandolo con i bordi di oggetti statisticamente simili in la banca dati. Il software abbina questo punto utilizzando entrambe le fotocamere e triangola la distanza. Questa era l'idea chiave che ha fatto funzionare tutte le nostre cose comprensive, dice Ng. Ora abbiamo fatto cose come caricare gli oggetti da una lavastoviglie.
I robot devono ancora imparare i punti più fini della manipolazione automatica, aggiunge Ng. STAIR è stato progettato solo per afferrare oggetti e non per regolare la presa a seconda della situazione. Ad esempio, non è stato progettato per versare il caffè da una caffettiera, un'attività che potrebbe richiedere una diversa posizione di presa e una diversa quantità di pressione rispetto al semplice sollevamento della caffettiera e al suo posizionamento su uno scaffale. Inoltre, il software non conosce la consistenza dell'oggetto, se è morbido o solido. Ma i ricercatori stanno lavorando su questi problemi e, alla fine, un robot personale avrà una combinazione di tecnologie di rilevamento e software diversi che gli consentiranno di raccogliere e manipolare un oggetto. (Vedi Robot che percepiscono prima di toccare .)
Potrebbero volerci anni prima che tutte le tecnologie siano integrate abbastanza bene da consentire ai robot di gestire da soli le complesse faccende domestiche, ma il lavoro di Stanford sta portando avanti il sogno. Se dovessi scegliere una cosa che trattiene questa visione della robotica personale, sarebbe la capacità di raccogliere le cose e manipolarle, dice Josh Smith , ricercatore senior presso Intel Research, a Seattle. Abbiamo bisogno di strategie più comprensive, come [i ricercatori di Stanford], che non richiedono un modello 3D esplicito dell'oggetto. Aggiunge che oltre al robot che ha migliorato le tecniche di visione artificiale, la mano reale del robot avrà molto probabilmente un numero di sensori che possono sentire se un oggetto si muove o se la presa non è giusta. Una sensazione molto più ricca nella mano sarà una parte importante della soluzione, afferma Smith.