Hoe robots T-shirts leren ophangen:de cruciale rol van gegevens

Bewegingsontwerp INSIDER

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

Voortbouwend op haar ervaring als vrijwilliger in bejaardentehuizen, besloot Carnegie Mellon-onderzoeker Jasmine Li haar onderzoek te concentreren op ondersteunende robotica die mensen helpen met alledaagse taken. "Ik was geïnteresseerd in de kant van robotica die mensen helpt die misschien niet zo bekend zijn met technologie", zei ze. “Ik dacht aan de hardwarekant van robotica, maar uiteindelijk deed ik veel meer met gegevensverzameling en software:de algoritmische kant.”

Voor haar project werkte ze samen 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 robotarmopstelling – twee armen met meerdere gewrichten die op een tafel zijn geklemd – die op afstand door een mens kunnen worden bestuurd met behulp van een paar VR-joysticks, of volledig autonoom kunnen worden bediend via een neuraal netwerk. Ze analyseerde het gedrag van de robot in zowel simulaties als taken in de echte wereld om te bestuderen hoe robots falen bij het imiteren van complexe menselijke activiteiten, zoals het ophangen van shirts.

"We ontdekten dat wanneer een mens een hanger probeert in te steken, de persoon soms minuscule correcties zal uitvoeren, maar we hadden een theorie dat de robot beter zou kunnen leren als we de taak op grotere schaal zouden corrigeren", zei ze. Dus in plaats van een kleine draai of aanpassing, stuurden ze de robotarmen terug naar hun oorspronkelijke positie voordat ze probeerden het shirt weer nauwkeuriger op te hangen.

Met behulp van de nieuwe methode voor het verzamelen van gegevens werd het trainen van de robot efficiënter, waardoor meer gegevens werden verzameld en de prestaties werden verbeterd met minder herhalingen van menselijk onderwijs, zei Li.

Het team experimenteerde ook met de methode met behulp van andere proeven waarbij de robot de opdracht kreeg een burger in een afhaaldoos te verpakken en een luchtdicht deksel van een container af te sluiten.

“Het is moeilijk om een robot te trainen om meerdere verschillende taken uit te voeren, wat wij generalisatie noemen,” zei Li. “Robotica-onderzoek richt zich voorlopig op het trainen van robots voor specifieke taken, maar uiteindelijk zal iedereen die aan het onderzoek bijdraagt ons helpen daar te komen.”

Bron