Hoe robots leren T-shirts op te hangen: De cruciale rol van data

Motion Design INSIDER

Onderzoeker Jasmine Li in het Carnegie Mellon Robotic Caregiving and Human Interaction Lab. (Afbeelding: De onderzoekers)

Opbouwend op haar ervaring als vrijwilliger in rusthuizen, besloot Carnegie Mellon-onderzoeker Jasmine Li haar onderzoek te richten op assistieve robotica die mensen helpen met alledaagse taken. "Ik was geïnteresseerd in de kant van robotica die mensen helpt die misschien minder bekend zijn met technologie," zei ze. "Ik dacht aan de hardwarekant van robotica, maar ik belandde met veel meer dataverzameling en software – de algorithmische kant."

Voor haar project werkte ze met Ph.D.-student Zheyuan Hu in het Robotic Caregiving and Human Interaction Lab onder leiding van assistent-professor Zackory Erickson.

Li werkte met een bimanuele robotarm-opstelling – twee multi-gewichte armen bevestigd aan een tafel – die door een mens op afstand bestuurd kan worden, met een paar VR-joysticks, of volledig autonoom via een neuraal netwerk. Ze analyseerde het gedrag van de robot in zowel simulaties als real-world taken om te bestuderen hoe robots falen bij het namaken van complexe menselijke activiteiten, zoals het ophangen van hemden.

"We vonden dat wanneer een mens een hanger probeert in te voegen, de persoon soms minieme correcties maakt, maar we hadden een theorie dat de robot beter zou leren als we de taak op een grotere schaal corrigeerden," zei ze. In plaats van een kleine draai of aanpassing, leidden ze de robotarmen terug naar hun oorspronkelijke positie voordat ze probeerden het hemd opnieuw nauwkeuriger op te hangen.

Met de nieuwe dataverzamelingsmethode werd het trainen van de robot efficiënter, meer data verzamelend en de prestaties verbeterend met minder iteraties van menselijke instructie, zei Li.

Het team experimenteerde ook met de methode bij andere proeven die de robot opdroegen een burger in een afhaaldoos te pakken en een luchtdichte containerdak te verzegelen.

"Het is moeilijk om een robot te trainen om meerdere verschillende taken te voltooien, wat we generalisatie noemen," zei Li. "Robotica-onderzoek richt zich voor nu op het trainen van robots voor specifieke taken, maar uiteindelijk zal iedereen die bijdraagt aan het onderzoek ons er helpen brengen."

Bron