В течение десятилетий инженеров -робототехники сталкивались с одним фундаментальный парадоксS мы стремимся создавать машины, которые могут работать в нашем сложном и непредсказуемом мире: чтобы помочь дома, работать на местах или на строительной площадке. Для этого им нужна гибкость, адаптивность и почти «живая» пластичность движений. Но методы, которые мы используем для их создания, толкают нас в противоположном направлении к твердым, громоздким и тщательно рассчитанным механизмам, место которого находится на конвейере, чем в гостиной.
Это несоответствие между желаемым и возможным является своего рода «проблемой сознания и тела» в мире робототехники. Чтобы точно управлять роботом, инженер нужен свой «цифровой близнец» — идеальная математическая модель, описывающая каждый винт, каждый. Этот подход прекрасно работает для заводских манипуляторов, но он ломается, как только он достигает мягких, деформируемых или просто неэнд -стандартных структур.
Но что, если вместо того, чтобы совершенствовать робота в соответствии с несовершенной моделью, мы позволяем ему понять, как работает его тело? Недавно исследователи из лаборатории компьютерных наук и искусственного интеллекта (CSAIL) Массачусетского технологического института (MIT) представили подход, который может изменить правила игры. Их система, называемая нейронными якобинскими полями (NJF), дает роботу возможность самостоятельно открыть. Он больше не нуждается в сложных датчиках или предварительно написанных инструкциях. Он просто должен смотреть на себя в зеркало — объектив камеры.
От программирования до интуиции
Какой прорыв? Представьте себе, что учите ребенка играть на пианино. Одним из способов является диктовать: «Сгните указательный палец до 30 градусов, опустите его со скоростью 0,5 м/с, применяя силу от 2 ньютонов». Звучит абсурдно, верно? Гораздо эффективнее просто показать, какую клавишу нажать и позволить вашему ребенку найти только правильное движение.
Традиционная робототехника давно пошла первым, «абсурдным» путем. Каждое действие является результатом сложной цепочки расчетов. Система NJF предлагает второй раз — путь обучения посредством наблюдения.
«Эта работа знаменует собой переход от программирования роботов к их обучению», — отмечает ведущий исследователь проекта Sige Lester Lee.
Идея состоит в том, чтобы отделить дизайн робота от его системы управления. В прошлом эти два аспекта были неразрывно связаны: инженеры намеренно делали роботов жесткими и полными датчиков, чтобы они могли работать. Теперь дизайнер может дать свое воображение свободы: создать робота мягких полимеров, напечатать странный манипулятор 3D -принтера или собрать что -то совершенно необычное. И затем, используя камеру и систему NJF, эта странная конструкция «научится» двигаться.
Как работает «машинный самостоятельный»?
Технология основана на элегантной идее, заимствованной из компьютерной графики. Давайте поймем, как это работает на практике.
Процесс обучения напоминает, как ребенок знакомится с его телом. Робот начинает делать хаотичные, случайные движения: изгибы «пальцы», вращаются «суставы», перемещает все, что может. Тем временем несколько камер осторожно контролировали его с разных сторон.
Нейронная сеть у основания NJF выполняет две задачи одновременно:
- Создание 3D -модели. Основываясь на изображениях камеры, система, как и художник, воссоздает 3D -форму робота. Это похоже на технологию NERF (поля нервного сияния), которая может генерировать тримерные сцены из набора плоских фотографий.
- Создание «карты чувствительности». Это главное ноу-хау. Система не только видит статическую модель, но и анализирует динамику. Он сравнивает каждую команду, отправленную в двигатель, с тем, как изменилось положение точек на трехмерной модели. По сути, это создает подробную карту, которая отвечает на вопрос: «Если я отправлю этот сигнал на этот велосипед, какая часть моего тела переместится и как именно?» Эта карта называется Jacobian по математике, откуда и название технологии.
Самое поразительное, что весь процесс автономныйНикто не говорит системе: «Это палец, и это локоть». Сама нейронная сеть, наблюдающая за последствиями ее действий, создает внутреннее представление своего собственного тела.
«Сама система понимает, какие двигатели управляют частями робота», — объясняет Ли. — Это не запрограммировано, но это происходит естественно. «
Тогда «обучающему» роботу нужно работать только одна камера. Он смотрит на себя, видит, где находится его рука, и на основе внутренней карты своего тела точно знает, какие команды подчиняться двигателям, чтобы поймать желаемый объект.
Свобода конструктору, доступность для всех
Последствия этого подхода могут быть огромнымиВ первую очередь он открывает дверь новому поколению роботов — мягкую биозимунку, безопасную для людей. Создание их так сложно именно из -за моделирования проблем. Это ограничение теперь удалено.
Но что еще более важно, технология делает робототехнику намного дешевле и более доступными. Видение — самый универсальный и недорогой датчик. Вместо того, чтобы оснастить робота сложными внутренними датчиками, гироскопами, акселерометрами или полагаться на внешние системы, такие как GPS, вы можете обрабатывать одну камеру.
Это делает реальные сценарии, которые ранее выглядели как научная фантастика:
- В сельском хозяйстве: робот, который выращивает растения до дюйма, возглавляемый только его «зрением».
- На строительной площадке: автономные машины, которые работают в постоянно меняющейся хаотической среде без дорогой инфраструктуры.
- Дома: доступные и адаптивные помощники, способные работать в загроможденных комнатах.
Исследователи даже рисуют картину будущего, в котором любой энтузиаст может «научить» своего домашнего робота, просто захватив его случайные движения с помощью камеры смартфона.
Горизонты и препятствия
Конечно, технология NJF все еще находится в начале ее развития. Сегодня обучение каждого нового робота требует отдельной процедуры с несколькими камерами, и система по -прежнему не знает, как суммировать знания, передающие их из одного робота другому. Кроме того, он не имеет тактильного или восприятия власти — робот не может «почувствовать» прикосновение, которое ограничивает его задачами, которые требуют деликатной обработки.
Однако, как и в случае с любыми революционными технологиями, ее текущие ограничения только описывают переднюю часть будущей работы. Массачусетский технологический институт уже изучает способы их преодоления.
Основной принцип — обучение через самообслуживание — уже доказал себя. Это дает роботам то, что можно назвать «воплощенным самоуссижностью» — интуитивное понимание возможностей их собственного тела. И это не просто еще один шаг в развитии робототехники. Это изменение в парадигме, которое, наконец, может позволить машинам выходить за рамки фабрики и стать по -настоящему гибкими и полезными партнерами в нашей повседневной жизни.
