Trecerea de la un smartphone la altul este, de obicei, o procedură lină. Te conectezi la conturile și aplicațiile tale, iar preferințele și contactele ar trebui să se sincronizeze pe noul hardware. Dar în lumea roboticii, înlocuirea unui braț robotic vechi cu un model mai nou a însemnat configurarea totul de la zero – până acum.
Pentru a remedia această problemă, o echipă de cercetători de la École Polytechnique Fédérale de Lausanne (EPFL) din Elveția a dezvoltat ceea ce numesc Inteligență Cinematică, un cadru care face ca schimbarea roboților să funcționeze mai mult ca schimbarea smartphone-urilor. Ei își descriu sistemul într-o lucrare recentă din Science Robotics.
Timp de ani de zile, roboticienii au lucrat pentru a face roboții să învețe prin demonstrație – să îi învețe noi abilități arătându-le ce să facă, în loc să scrie linii de cod. Ideea este să controlezi de la distanță sau să ghidezi fizic brațul robotului pentru a-l învăța o sarcină precum ștergerea unei mese, stivuirea cutiilor sau sudarea unei componente auto. Problema este că majoritatea acestor abilități învățate ajung să fie legate de robotul specific cu care s-a făcut antrenamentul.
Dar robotica avansează rapid. „Roboții au modele diferite, iar în zilele noastre se propun modele noi – asta aduce propriul set de provocări”, a spus Sthithpragya Gupta, robotician la EPFL și autor principal al studiului. Dacă un robot nou are legături ușor mai lungi, o orientare diferită a articulațiilor sau o configurație mai complexă, comportamentul învățat se strică instantaneu, iar noul robot probabil se va zbate, va îngheța sau se va prăbuși dacă încearcă.
„Cu modele noi vin capacități și constrângeri diferite”, a spus Durgesh Haribhau Salunkhe, robotician la EPFL și coautor al studiului. „Problema este să te adaptezi la aceste constrângeri și capacități – să reproduci fidel acțiunile demonstrate de un om.” Astăzi, trecerea de la un corp de robot la altul înseamnă de obicei să începi de la zero și să reantrenezi întregul sistem.
Când un robot se mișcă prin spațiu pentru a îndeplini o sarcină, trebuie să calculeze constant cum să își îndoaie articulațiile pentru a-și menține efectorul final (un echivalent robotic al mâinii) pe calea corectă. Robotul trebuie să evite atingerea unei limite fizice sau, mai rău, o singularitate, care în robotică este o zonă de pericol matematic: o configurație fizică în care articulațiile robotului se aliniază astfel încât acesta pierde temporar un grad de libertate. „În astfel de poziții, mișcarea robotului poate deveni instabilă sau [poți] pierde controlul robotului”, a spus Gupta.
În termeni umani, funcționează aproximativ ca blocarea coatelor atunci când sunt complet întinse când împingi ceva greu, ceea ce face ca brațele să nu poată face mișcări laterale pentru o clipă.
Transferul abilităților de la un robot la altul este dificil deoarece roboții cu structuri diferite au de obicei o topologie diferită a singularităților. Când algoritmul unui robot urmează orbește o cale și lovește o singularitate, matematica care controlează articulațiile sale va eșua. Robotul ar putea încerca să rotească o articulație la viteză infinită, de exemplu, rezultând o mișcare bruscă și nesigură. Echipa lui Gupta a rezolvat această problemă oferind roboților o conștientizare matematică profundă, înnăscută, a propriilor limitări fizice. Această Inteligență Cinematică, așa cum o numesc, permite unui utilizator să demonstreze o abilitate o singură dată și să fie executată în siguranță de un tip complet diferit de robot.
Și (surprinzător, în zilele noastre) Inteligența Cinematică a fost construită într-un mod fără AI.
În mod tradițional, inginerii s-au ocupat de singularități prin corecții software. Au construit modele inverse, formule matematice complexe care lucrează înapoi de la poziția țintă a efectorului final al robotului pentru a mapa toate pozițiile articulațiilor necesare pentru a ajunge acolo. Apoi, au adăugat filtre de siguranță sau corecții pentru a împiedica robotul să intre în probleme.
Unele dintre abordările AI mai noi, bazate pe date, necesită mai puțin efort și expertiză, dar necesită acces la fiecare robot pe care software-ul de control va fi utilizat în timpul fazei de antrenament. „De asemenea, există această natură probabilistică sau de cutie neagră a AI în care poate face ceva