Разработчики из Массачусетского технологического института разработали робота, способного захватывать и перемещать объекты любой сложной формы, включая те, с которыми он ранее не был обучен работать.
Инженеры из Лаборатории кибернетики Массачусетского технологического института создали систему Dense Object Nets (DON), благодаря которой роботы могут с достаточной точностью определять форму предметов, чтобы захватывать их, удерживать и выполнять простые операции без предварительного обучения на конкретных объектах.
Для создания трехмерной модели объекта, рука-манипулятор поворачивает камеры, установленные на ней, под различными углами. Нейросеть анализирует изображения, получаемые с камер, и вычисляет точные координаты каждой точки, на которые разделяется объект.
После обработки координат система определяет объекты и их составляющие, а также исследует их взаимное расположение в пространстве. Для иллюстрации этого, разработчики DON представили видео, на котором управляемый системой манипулятор сортирует обувь по цветам и, по команде, поднимает ее определенным образом – за язычок, – даже если ранее не взаимодействовал с ботинками такого типа. Это поведение схоже с поведением робота DexNet от инженеров из Калифорнийского университета в Беркли, хотя между управляющими ими алгоритмами есть большое различие: DexNet умеет только хватать предметы, но не умеет брать их в заданном месте и не различает типы объектов.
«Системы, применяющие альтернативные методы распознавания объектов, сталкиваются с трудностями, когда объект расположен относительно робота нестандартным образом. Многие из них не способны выполнить простую задачу, например, поднять чашку за ручку, поскольку кружка может оказаться, к примеру, лежа на боку или стоять дном вверх, — объясняет Лукас Мануэлли, один из создателей DON.
Роботы, способные распознавать, сортировать и аккуратно обращаться с предметами, могут быть востребованы на складах. Разработчики DON надеются, что их технология заинтересует крупных ритейлеров, например, Amazon и Walmart. Также роботы, обладающие хорошей ориентацией в пространстве, могут оказаться полезными в быту – в качестве помощников по хозяйству.
Два основных подхода используются при обучении машин взаимодействию с физическими предметами. Первый предполагает узкоспециализированное обучение на конкретных примерах, второй — разработка универсального алгоритма захвата. В первом случае машина сможет выполнять лишь ограниченный набор задач, например, поднимать мячи, но не сможет взять кубик, если ее не обучить этому отдельно. Универсальные методы захвата обычно не отличаются высокой эффективностью, и к тому же, с предметами, захваченными с помощью «универсального» подхода, сложно выполнять точные манипуляции, например, аккуратно ставить их на определенное место. DON позволяет справляться даже с незнакомыми объектами и точно прогнозировать положение их точек после перемещения.
На конференции по обучению роботов в Цюрихе в октябре с докладом выступят разработчики DON, в котором будет кратко освещена разработка рассказывает портал Массачусетского технологического института. Ранее инженеры из MIT разработали робота, умеющего захватывать свободно висящие объекты.