Med WHIRL lärde sig en robot hur man gör mer än 20 uppgifter – från att öppna och stänga apparater, skåpdörrar och lådor till att sätta lock på en kastrull, skjuta in en stol och till och med ta upp en sopsäck ur soptunnan. Kredit: Carnegie Mellon University
Roboten tittade på när Shikhar Bahl öppnade kylskåpsdörren. Den registrerade hans rörelser, dörrens svängning, platsen för kylen och mer, analyserade dessa data och gjorde sig redo att efterlikna vad Bahl hade gjort.
Den misslyckades till en början, saknade handtaget helt ibland, tog tag i det på fel ställe eller drog fel i det. Men efter några timmars träning lyckades roboten och öppnade dörren.
“Imitation är ett fantastiskt sätt att lära sig”, säger Bahl, en Ph.D. student vid Robotics Institute (RI) vid Carnegie Mellon Universitys School of Computer Science. “Att låta robotar faktiskt lära sig av att direkt titta på människor är fortfarande ett olöst problem på fältet, men det här arbetet tar ett betydande steg för att möjliggöra den förmågan.”
Bahl arbetade med Deepak Pathak och Abhinav Gupta, båda fakultetsmedlemmar i RI, för att utveckla en ny inlärningsmetod för robotar som kallas WHIRL, förkortning för In-the-Wild Human Imitating Robot Learning. WHIRL är en effektiv algoritm för visuell imitation i ett skott. Den kan lära sig direkt från videor med mänsklig interaktion och generalisera den informationen till nya uppgifter, vilket gör robotar väl lämpade för att lära sig hushållssysslor. Människor utför ständigt olika uppgifter i sina hem. Med WHIRL kan en robot observera dessa uppgifter och samla in videodata som den behöver för att så småningom avgöra hur jobbet ska slutföras.
Teamet lade till en kamera och deras mjukvara till en hyllrobot, och den lärde sig att göra mer än 20 uppgifter – från att öppna och stänga apparater, skåpdörrar och lådor till att sätta ett lock på en kastrull, skjuta in en stol och till och med ta upp en sopsäck ur soptunnan. Varje gång såg roboten en människa utföra uppgiften en gång och gick sedan omkring och övade och lärde sig att utföra uppgiften på egen hand. Teamet presenterade sin forskning denna månad på Robotics: Science and Systems-konferensen i New York.
“Detta arbete presenterar ett sätt att ta in robotar i hemmet”, säger Pathak, en biträdande professor i RI och en medlem av teamet. “Istället för att vänta på att robotar ska programmeras eller tränas för att framgångsrikt slutföra olika uppgifter innan de sätts in i människors hem, tillåter den här tekniken oss att distribuera robotarna och få dem att lära sig att utföra uppgifter, samtidigt som de anpassar sig till sina miljöer och enbart förbättras. genom att titta.”
Nuvarande metoder för att lära en robot en uppgift är vanligtvis beroende av imitations- eller förstärkningsinlärning. I imitationsinlärning manövrerar människor manuellt en robot för att lära den hur man slutför en uppgift. Denna process måste göras flera gånger för en enda uppgift innan roboten lär sig. I förstärkningsinlärning tränas roboten vanligtvis på miljontals exempel i simulering och ombeds sedan anpassa träningen till den verkliga världen.
Båda inlärningsmodellerna fungerar bra när man lär en robot en enskild uppgift i en strukturerad miljö, men de är svåra att skala och implementera. WHIRL kan lära sig av vilken video som helst av en människa som gör en uppgift. Den är lätt skalbar, inte begränsad till en specifik uppgift och kan fungera i realistiska hemmiljöer. Teamet arbetar till och med på en version av WHIRL som tränas genom att titta på videor av mänsklig interaktion från YouTube och Flickr.
Framsteg inom datorseende gjorde arbetet möjligt. Med hjälp av modeller tränade på internetdata kan datorer nu förstå och modellera rörelser i 3D. Teamet använde dessa modeller för att förstå mänsklig rörelse, vilket underlättade träningen av WHIRL.
Med WHIRL kan en robot utföra uppgifter i sin naturliga miljö. Vitvarorna, dörrarna, lådorna, locken, stolarna och soppåsen modifierades inte eller manipulerades för att passa roboten. Robotens första flera försök med en uppgift slutade i misslyckande, men när den väl hade några framgångar, fastnade den snabbt för hur den skulle utföras och bemästrade den. Även om roboten kanske inte klarar uppgiften med samma rörelser som en människa, är det inte målet. Människor och robotar har olika delar, och de rör sig olika. Det viktiga är att slutresultatet är detsamma. Dörren öppnas. Strömbrytaren är avstängd. Kranen är påslagen.
“För att skala robotik i det vilda måste data vara tillförlitlig och stabil, och robotarna borde bli bättre i sin miljö genom att öva på egen hand”, sa Pathak.
Forskare utvecklar algoritmer för att dela upp uppgifter för människor-robot-team
Mer information:
Konferens: roboticsconference.org/ Tillhandahålls av Carnegie Mellon University
Citat:Robotar lär sig hushållsuppgifter genom att titta på människor (2022, 20 juli)hämtad 20 juli 2022 från https://techxplore.com/news/2022-07-robots-household-tasks-humans.html
Detta dokument är föremål för upphovsrätt. Bortsett från all rättvis handel i syfte att privata studier eller forskning, får ingen del reproduceras utan skriftligt tillstånd. Innehållet tillhandahålls endast i informationssyfte.
Håll kontakten med oss på sociala medieplattformar för omedelbar uppdatering klicka här för att gå med i vår Twitter och Facebook
