Ученые создали робота с тактильной чувствительностью, близкой к человеческой

Инновационный бимануальный робот демонстрирует тактильную чувствительность, близкую к человеческому уровню, используя искусственный интеллект для обоснования своих действий.

Новая система Bi-Touch, разработанная учеными Бристольского университета на базе Бристольской лаборатории робототехники, позволяет роботам выполнять ручные задачи, получая информацию о том, что нужно делать, от цифрового помощника.

Результаты исследования, опубликованные в журнале IEEE Robotics and Automation Letters, показывают, как агент искусственного интеллекта интерпретирует окружающую среду с помощью тактильной и проприоцептивной обратной связи, а затем управляет поведением роботов, обеспечивая точное восприятие, мягкое взаимодействие и эффективное манипулирование объектами для выполнения роботизированных задач.

Эта разработка может произвести революцию в таких отраслях, как сбор фруктов, бытовое обслуживание, а в перспективе — воссоздать осязание в искусственных конечностях.

Ведущий автор работы Ицзюнь Линь (Yijiong Lin) с инженерного факультета поясняет:

С помощью нашей системы Bi-Touch мы можем легко обучить агентов ИИ в виртуальном мире за пару часов выполнять бимануальные задачи, ориентированные на осязание. И что еще более важно, мы можем напрямую применять этих агентов из виртуального мира в реальном без дополнительного обучения.

Тактильный бимануальный агент может решать задачи даже при неожиданных возмущениях и мягко манипулировать хрупкими объектами.

Бимануальное манипулирование с тактильной обратной связью станет ключом к развитию ловкости роботов на уровне человека. Однако эта тема менее изучена, чем однорукие роботы, отчасти из-за доступности подходящего оборудования и сложности разработки эффективных контроллеров для задач с относительно большим пространством состояний и действий. Группа исследователей смогла разработать тактильную двурукую роботизированную систему, используя последние достижения в области искусственного интеллекта и тактильных датчиков.

Исследователи создали виртуальный мир (симуляцию), содержащий две руки робота, оснащенные тактильными датчиками. Затем они разработали функции вознаграждения и механизм обновления целей, которые могли бы стимулировать роботов-агентов к обучению выполнению бимануальных задач, и создали реальную тактильную двурукую роботизированную систему, к которой можно было бы непосредственно применить этот агент.

Робот обучается бимануальным навыкам с помощью Deep Reinforcement Learning (Deep-RL) — одной из самых передовых технологий в области обучения роботов. Она предназначена для обучения роботов действиям путем проб и ошибок, подобно дрессировке собаки с помощью поощрений и наказаний.

В случае роботов-манипуляторов робот учится принимать решения, пробуя различные варианты поведения для выполнения поставленных задач, например, поднимать предметы, не роняя и не разбивая их. В случае успеха он получает вознаграждение, а в случае неудачи учится тому, чего делать не следует. Со временем он находит оптимальные способы захвата предметов, используя эти поощрения и наказания. ИИ-агент слеп по зрению и полагается только на проприоцептивную обратную связь — способность тела ощущать движение, действие и местоположение, а также на тактильную обратную связь.

Им удалось успешно заставить двурукого робота безопасно поднимать такие хрупкие предметы, как один хрустик Pringle.

Соавтор работы профессор Натан Лепора добавляет:

Наша система Bi-Touch демонстрирует перспективный подход с доступным программным и аппаратным обеспечением для обучения бимануальному поведению с помощью осязания в симуляции, который может быть непосредственно применен в реальном мире. Разработанная нами тактильная симуляция двурукого робота позволяет проводить дальнейшие исследования более разнообразных задач, поскольку код будет открытым, что идеально подходит для разработки других последующих задач.

Ицзюнь заключает:

Наша система Bi-Touch позволяет тактильному двурукому роботу обучаться на симуляторе и выполнять различные манипуляционные задачи в реальном мире.

И теперь мы можем легко обучить агентов ИИ в виртуальном мире за пару часов выполнять бимануальные задачи, ориентированные на осязание.

25.08.2023