Incontra il robot più agile di sempre

All'interno di un laboratorio decorato con colori luminosi presso l'Università della California, a Berkeley, un robot dall'aspetto ordinario ha sviluppato un talento eccezionale per raccogliere oggetti scomodi e insoliti. La cosa sbalorditiva, però, è che il robot è diventato così bravo ad afferrare lavorando con oggetti virtuali.

Il robot ha appreso che tipo di presa dovrebbe funzionare per oggetti diversi studiando un vasto set di dati di forme 3-D e prese adeguate. I ricercatori della UC Berkeley hanno inviato le immagini a una grande rete neurale di apprendimento profondo collegata a un sensore 3-D standard e a un braccio robotico standard. Quando un nuovo oggetto viene posizionato davanti ad esso, il sistema di apprendimento profondo del robot capisce rapidamente quale presa dovrebbe usare il braccio.

Il bot è significativamente migliore di qualsiasi cosa sviluppata in precedenza. Nei test, quando era sicuro per oltre il 50% di poter afferrare un oggetto, è riuscito a sollevare l'oggetto e a scuoterlo senza far cadere l'oggetto il 98% delle volte. Quando il robot non era sicuro, colpiva l'oggetto per capire una presa migliore. Dopo averlo fatto, è riuscito a sollevarlo il 99 percento delle volte. Questo è un significativo passo avanti rispetto ai metodi precedenti, affermano i ricercatori.

Storia correlata

Devi leggere

Il lavoro mostra come i nuovi approcci all'apprendimento dei robot, combinati con la capacità dei robot di accedere alle informazioni attraverso il cloud, potrebbero far avanzare le capacità dei robot nelle fabbriche e nei magazzini e potrebbero persino consentire a queste macchine di svolgere un lavoro utile in nuove impostazioni come ospedali e case (vedi 10 tecnologie innovative 2017: robot che si insegnano a vicenda). È descritto in a carta da pubblicare in un'importante conferenza sulla robotica tenutasi a luglio.

Molti ricercatori stanno lavorando su modi in cui i robot possono imparare ad afferrare e manipolare le cose esercitandosi più e più volte, ma il processo richiede molto tempo. Il nuovo robot impara senza bisogno di esercitarsi ed è significativamente migliore di qualsiasi sistema precedente. Stiamo producendo risultati migliori ma senza quel tipo di sperimentazione, dice Ken Goldberg , un professore alla UC Berkeley che ha guidato il lavoro. Siamo molto entusiasti di questo.

Università della California, Berkeley, il professor Ken Goldberg (a sinistra) e il capo del Siemens Research Group, Juan Aparicio.

Invece di esercitarsi nel mondo reale, il robot ha imparato nutrendosi di un set di dati di più di mille oggetti che include la loro forma 3-D, l'aspetto visivo e la fisica per afferrarli. Questo set di dati è stato utilizzato per addestrare il sistema di apprendimento profondo del robot. Possiamo generare dati di addestramento sufficienti per reti neurali profonde in un giorno circa invece di eseguire mesi di prove fisiche su un vero robot, afferma Jeff Mahler, un ricercatore post-dottorato che ha lavorato al progetto.

Goldberg e colleghi hanno in programma di rilasciare il set di dati che hanno creato. I set di dati pubblici sono stati importanti per far avanzare lo stato dell'arte nella visione artificiale e ora i nuovi set di dati 3-D promettono di aiutare i robot a progredire.

Stefania Tellex , un assistente professore alla Brown University specializzato nell'apprendimento dei robot, descrive la ricerca come un grosso problema, sottolineando che potrebbe accelerare laboriosi approcci di apprendimento automatico.

È difficile raccogliere grandi set di dati di dati robotici, afferma Tellex. Questo articolo è interessante perché mostra che un set di dati simulato può essere utilizzato per addestrare un modello per l'afferramento. E questo modello si traduce in veri successi su un robot fisico.

I progressi negli algoritmi di controllo e negli approcci di apprendimento automatico, insieme al nuovo hardware, stanno costantemente costruendo le basi su cui opererà una nuova generazione di robot. Questi sistemi saranno in grado di eseguire una gamma molto più ampia di attività quotidiane. Macchine più agili, infatti, stanno già assumendo un lavoro manuale rimasto a lungo fuori portata (vedi Un robot con la testa nella nuvola affronta il prelievo dal magazzino).

Russ Tedrake , un professore del MIT che lavora sui robot, afferma che numerosi gruppi di ricerca stanno facendo progressi su robot molto più abili. Aggiunge che il lavoro di UC Berkeley è impressionante perché combina nuovi metodi di apprendimento automatico con approcci più tradizionali che implicano il ragionamento sulla forma di un oggetto.

L'emergere di robot più abili potrebbe avere anche implicazioni economiche significative. I robot che si trovano oggi nelle fabbriche sono straordinariamente precisi e determinati, ma incredibilmente goffi di fronte a un oggetto sconosciuto. Diverse aziende, tra cui Amazon, utilizzano i robot nei magazzini, ma finora solo per spostare i prodotti e non per prelevare oggetti per gli ordini.

I ricercatori della UC Berkeley hanno collaborato con Juan Aparicio, capo del gruppo di ricerca di Siemens. L'azienda tedesca è interessata a commercializzare la robotica cloud, tra le altre tecnologie di produzione connesse.

Storia correlata

Leggi Avanti Una nuova abile pinza robotica può manipolare oggetti sconosciuti e condivide ciò che apprende con una mente alveare nel cloud.

Aparicio afferma che la ricerca è entusiasmante perché l'affidabilità del braccio offre un chiaro percorso verso la commercializzazione.

Gli sviluppi nella destrezza della macchina possono anche essere significativi per il progresso dell'intelligenza artificiale. La manualità ha giocato un ruolo fondamentale nell'evoluzione dell'intelligenza umana, formando un circolo virtuoso di feedback con una visione più nitida e una maggiore potenza cerebrale. Anche la capacità di manipolare oggetti reali in modo più efficace sembra avere un ruolo nell'evoluzione dell'intelligenza artificiale.

nascondere