Informazione

I robot hanno insegnato a pensare prima di agire

I robot hanno insegnato a pensare prima di agire

Il lavoro teorico si è concentrato sull'utilizzo del calcolo quantistico per accelerare l'apprendimento automatico / SINC Fonte: Eurekalert

I robot stanno aumentando di numero nella nostra vita quotidiana, assumendo compiti semplici nelle case e nelle aziende. Durante i loro compiti, questi robot devono affrontare un'ampia gamma di oggetti articolati, come strumenti, armadi, cassetti e altri oggetti articolati. Questi oggetti offrono un numero infinito di possibili disposizioni e pose, ei robot devono discernere rapidamente tutte le possibili variazioni nelle pose per spostare o recuperare oggetti in questi spazi.

CORRELATO: NVIDIA APRE UN NUOVO LABORATORIO DI RICERCA PER I ROBOT DI INSEGNAMENTO AL LAVORO SICURO A FIANCO DELL'UOMO

Resta il problema di come insegnare a un robot tutte queste possibili variazioni di pose e come può navigare attraverso ambienti disordinati e non pianificati.

Al fine di migliorare la percezione robotica, gli scienziati dell'Università del Michigan ad Ann Arber, guidati da Karthik Desingh, hanno creato un algoritmo metodico che calcola e stima varie potenziali pose di oggetti articolati. In sintesi, l'algoritmo insegna al robot a coordinare le sue azioni. L'articolo sulla ricerca "Propagazione efficiente di credenze non parametriche per la stima della posa e la manipolazione di oggetti articolati"è pubblicato in questa settimanaScienza robotica rivista.

Robot che pensano prima di agire

In definitiva, ciò sarà estremamente utile e migliorerà il servizio dei robot di magazzino o dei robot domestici, poiché la loro capacità di interagire e muoversi attorno a oggetti e strumenti articolati aumenterà drasticamente.

Per muoversi velocemente in una cucina e nei suoi mobili, un robot deve comprendere e conoscere la gamma di pose del mobile (chiusura e apertura dei cassetti, per esempio), praticando una serie specifica di movimenti.

La sfida? Variazione nella norma.

Ad esempio: se uno strofinaccio da cucina è sparso sui cassetti o su un mobile, il robot non riconosce più l'oggetto e non sa quale mossa fare dopo.

Grazie al nuovo algoritmo, un robot sarà ora in grado di tenerne conto, eseguire tutte le possibili variazioni di posa ed essere ancora in grado di aggirarlo e capire come lavorare dentro e intorno all'ambiente disordinato. Questo non era il caso in precedenza.

Capire l'algoritmo

Desingh e i suoi colleghi hanno creato l'algoritmo, denominato PMPNBP, che formula variabili casuali che costituiscono diverse opzioni di una sequenza di valutazioni di posa. Per farlo utilizza le conoscenze precedenti del robot.

Al momento, tramite PMPNBP vengono utilizzate 100 iterazioni distinte, lasciando spazio a molti strofinacci da gettare in un armadio.

La chiave del successo di PMPNBP? I suoi ricercatori hanno affermato che è dovuto alle sue osservazioni parziali far ruotare l'intero oggetto di possedimenti ipotizzati. È più preciso e sistematico quando si valutano le pose di oggetti articolati, facendo un salto di qualità rispetto a PAMPAS, un metodo preesistente.


Guarda il video: Live Sarmati - Vinciguerra. Sfatiamo i miti sul Metodo Perfetti.. (Gennaio 2022).