Dankzij nieuwe technologie waarmee ze eenvoudige tools kunnen maken, robots staan ​​misschien aan de vooravond van hun eigen versie van het stenen tijdperk.

Met behulp van een nieuw vermogen om over vorm te redeneren, functie, en bevestiging van niet-verwante onderdelen, onderzoekers hebben voor het eerst met succes een intelligente agent getraind om basisgereedschappen te maken door objecten te combineren.

De doorbraak komt van het onderzoekslaboratorium Robot Autonomy and Interactive Learning (RAIL) van Georgia Tech en is een belangrijke stap in de richting van intelligente agenten om geavanceerdere tools te ontwikkelen die nuttig kunnen zijn in gevaarlijke en mogelijk levensbedreigende omgevingen.

Het concept klinkt misschien bekend. Het heet "MacGyvering, " gebaseerd op de naam van een televisieserie uit de jaren 80 - en onlangs opnieuw opgestart -. In de serie, het titelpersonage staat bekend om zijn onconventionele probleemoplossend vermogen met behulp van verschillende middelen die hem ter beschikking staan.

Voor jaren, computerwetenschappers en anderen hebben gewerkt om robots vergelijkbare mogelijkheden te bieden. In hun nieuwe robot-MacGyvering-werk, RAIL-labonderzoekers onder leiding van universitair hoofddocent Sonia Chernova gebruikten als uitgangspunt een robottechniek die eerder was ontwikkeld door voormalig Georgia Tech Professor Mike Stilman.

In dit nieuwste werk een robot die is getraind met behulp van de nieuwe aanpak van het team, krijgt een reeks optionele onderdelen en krijgt de opdracht om een ​​specifiek gereedschap te maken. Net als zijn menselijke tegenhangers, de robot onderzoekt eerst de vormen van elk onderdeel en hoe het ene aan het andere kan worden bevestigd.

Met behulp van machinaal leren, de robot is getraind om vorm aan functie aan te passen - welke objectvormen een bepaald resultaat mogelijk maken - uit talloze voorbeelden van alledaagse voorwerpen. Bijvoorbeeld, door te leren dat de concaafheid van kommen hen in staat stelt vloeistoffen vast te houden, het maakt gebruik van deze kennis bij het maken van een lepel. evenzo, de robots leerden hoe ze objecten aan elkaar konden bevestigen aan de hand van voorbeelden van materialen die konden worden doorboord of vastgepakt.

In de studie, onderzoekers hebben met succes hamers gemaakt, spatels, scheppen, trekkers, en schroevendraaiers.

"De schroevendraaier was vooral interessant omdat de robot een tang en een munt combineerde, " zei Lakshmi Nair, een doctoraat student aan de School of Interactive Computing en een van de onderzoekers van het project. "Het redeneerde dat de tang iets kon vastpakken en zei dat de munt ongeveer overeenkwam met de kop van een schroevendraaier. Zet ze bij elkaar, en het creëert een effectief hulpmiddel."

Momenteel, de robot is alleen beperkt tot de vorm en bevestiging. Het kan nog niet effectief redeneren over bepaalde materiaaleigenschappen, een cruciale stap op weg naar een realistisch scenario.

"Mensen redeneren dat hamers stevig en sterk zijn, zodat je geen hamer zou maken van schuimblokken, "Zei Nair. "We willen dat niveau van redeneren in ons werk bereiken, dat is iets waar we nu aan werken."

De inspiratie voor het werk komt uit het populaire verhaal van Apollo 13, de gedoemde zevende bemande vlucht van het Apollo-ruimteprogramma. Nadat een zuurstoftank in de servicemodule van het schip twee dagen na de missie explodeerde, bemanningsleden werden gedwongen om geïmproviseerde aanpassingen aan het systeem voor het verwijderen van kooldioxide aan te brengen.

Ondanks een gevaarlijk krap tijdsbestek en extreem hoge spanningen onder iedereen aan boord en bij de missiecontrole, de redding bleek succesvol. Nair en medewerkers hopen dat dit onderzoek fundamenteel zal blijken voor toekomstige robottechnologie die sneller en zonder stress zou kunnen redeneren.

"Ze waren in staat om dit filter te maken, maar de oplossing liet lang op zich wachten, "Zei Nair. "We willen robots maken die mensen kunnen helpen in dit soort scenario's om de druk van hen af ​​te halen om met innovatieve oplossingen te komen en mogelijk hun leven te redden."

Dit werk werd gepresenteerd op de 2019 Robotics:Science and Systems-conferentie in een paper met de titel "Autonomous Tool Construction Using Part Shape and Attachment Prediction" (Lakshmi Nair, Nithin Shrivatsav, Zakory Erickson, Sonia Chernova).