science >> Wetenschap >  >> Elektronica

Robots leren zien en voelen

Ekrem Misimi in het laboratorium, waar de robot op het punt staat een cherrytomaat te grijpen die hij nog nooit eerder heeft gezien. Krediet:TYD

Steeds meer industriële taken worden uitgevoerd door robots, maar er zijn nog steeds menselijke operators nodig voor de meer complexe manipulatieacties, zoals het hanteren en verwerken van voedselproducten.

"Als het ons doel is om sommige of al deze taken in de voedingsindustrie te automatiseren, of in andere gebieden, we moeten de robots via leren uitrusten met nieuwe kennis. Ze moeten eerst de zogenaamde soft skills leren, zodat ze in de toekomst operaties op hetzelfde niveau als mensen kunnen uitvoeren, " legde Ekrem Misimi uit, die een SINTEF-onderzoeker is die robotleertechnologie ontwikkelt als onderdeel van het iProcess-project.

Om de robots deze complexe manipulatievaardigheden aan te leren, een combinatie van visueel en tactiel leren is vereist. Met andere woorden, ze moeten tegelijkertijd leren zien en voelen.

Robotleren kan ook op grotere schaal nuttig zijn, vooral nu tijdens de pandemie, wanneer veel mensen thuis moeten werken of niet in staat zijn om in hun fabrieken te werken vanwege een infectierisico:

"Voor de samenleving de productie, oogsten, behandeling en bereiding van voedingsproducten zijn cruciale functies. Onze technologie streeft naar een volledig geautomatiseerde productielijn, gebaseerd op intelligente robots. Eigenlijk, intelligente robottechnologie kan ons als samenleving beter voorbereiden op de slechte tijden, en stroomlijn de productie en waardecreatie in goede tijden, ' zei Misimi.

De mogelijkheden zijn eindeloos

De interactie tussen een robot en objecten die zacht, breekbaar, buigzaam of kneedbaar is een van de grootste uitdagingen in de robotica van vandaag, omdat dit soort objecten gemakkelijk van vorm en vorm kunnen veranderen wanneer ze worden gehanteerd. Het is gemakkelijk voor menselijke operators om deze veranderingen in realtime te compenseren, maar robots hebben geavanceerde visuele en tactiele sensoren nodig om hetzelfde te doen.

Deze robot is getraind met behulp van kunstmatige intelligentie en simulaties. Ook al heeft hij nog nooit een zalmfilet in de echte wereld gezien, het slaagt er nog steeds in om het vast te pakken en op de juiste manier vast te houden. Het is zelfs in staat om dit te doen met andere kwetsbare voedselproducten, zoals sla, aardbeien, en tomaten. Krediet:SINTEF Oceaan/TYD

Daarom, de robot krijgt kunstmatige "ogen" in de vorm van 3D-visie, een kunstmatig "brein" van kunstmatige intelligentie, en gevoelige "handen" die afhankelijk zijn van kracht en tactiele waarneming.

"Deze kwaliteiten stellen de robots in staat om een ​​taakspecifieke intelligentie te ontwikkelen die goed genoeg is om het werk automatisch te doen, ’ legde Misimi uit.

Complexe taken leren aan de hand van eenvoudige voorbeelden

Ondanks zijn leervermogen, een robot is uiteindelijk een machine. Daarom, het moet eerst kennis verwerven over taken die het moet voltooien door te voelen en te leren, hetzij in interactie met mensen of op zichzelf.

"Ons doel is om de robot te laten leren hoe hij complexe manipulatietaken in de echte wereld kan uitvoeren aan de hand van eenvoudige voorbeelden, ' zei Misimi.

Daarom, het iProcess-project heeft twee robotleermethoden ontwikkeld. De eerste is "leren van demonstratie" (LfD), waarbij de robot leert zachte voedselproducten te grijpen door een combinatie van visuele en tactiele detectie. De tweede is "leren van zelfonderzoek", waarbij de robot kunstmatige intelligentie gebruikt om de taak zelfstandig te leren in een gesimuleerde omgeving voordat hij uiteindelijk in de echte wereld wordt ingezet, zonder extra finetuning. Het project heeft veel interessante opdrachten opgeleverd voor afgestudeerde studenten van NTNU die kunstmatige intelligentie en robotica studeren.

"Een typische uitdaging bij het leren van robots is dat de menselijke operator, of liever de leraar, demonstreert de taak verkeerd aan de robot. Daarom, we hebben een leerstrategie ontwikkeld die uitsluitend gebaseerd is op de beste demonstraties, en negeert automatisch de armen, die in strijd zijn met het beoogde beleid van de leraar. De leerstrategie maakt gebruik van 3D-beeldvorming voor de juiste positionering van de robotgrijper en tactiele detectie voor het voorzichtig hanteren en grijpen van de objecten, ’ legde Misimi uit.

"Wat vooral interessant is aan het leren van zelfonderzoek, is dat de robot nog nooit een zalmfilet heeft gezien, in een gesimuleerde of echte omgeving. Maar het slaagt er nog steeds perfect in om te generaliseren in de echte wereld om de nieuwe, onbekende objecten, " hij voegde toe.

Als de robot op deze manier leert, de leertijd wordt aanzienlijk verkort, en de robot kan worden gebruikt om meerdere voedselproducten te hanteren, of soortgelijke voorwerpen, zonder extra programmering.

Het onderzoek naar LfD is gepubliceerd in "Robotic Handling of Compliant Food Objects by Robust Learning from Demonstration", die werd gepresenteerd op de internationale conferentie over intelligente robots en systemen, terwijl het artikel over leren door zelfonderzoek is geaccepteerd voor de komende International Conference on Robotics and Automation (ICRA) 2020*.

Een oude robot nieuwe trucjes leren

Ze zeggen dat je een oude hond geen nieuwe trucjes kunt leren, maar robots kunnen worden getraind voor veel verschillende handelingen, van het vasthouden van zowel stilstaande als bewegende objecten tot het uitvoeren van complexere manipulatietaken die meer behendigheid vereisen, zoals het manipuleren van bewegende objecten.

"De taak kan van alles zijn waarbij je voorwerpen snijdt of vastpakt die voorzichtig moeten worden gehanteerd. Of het nu gaat om een ​​visfilet of sla, de robot moet delicaat genoeg zijn om de producten niet te beschadigen, maar toch de klus klaren, ' zei Misimi.

Belangrijk voor de voedingsindustrie

De nieuwe technologie zal belangrijk zijn voor zowel de Noorse voedingsindustrie als elke andere industrie die zou profiteren van de robotbehandeling van buigzame en kneedbare objecten en die volledig afhankelijk is van automatisering om waardecreatie in Noorwegen te behouden.

"Dit project is een mijlpaal in het realiseren van deze visie. Robottechnologie zal in staat zijn om zowel het concurrentievermogen als de winstgevendheid te vergroten en zal het mogelijk maken om een ​​groter deel van het ruwe voedselmateriaal in Noorwegen te verwerken. Dit kan bijdragen aan het verhogen van de kwaliteit van de producten en het verminderen van voedsel afval. Bovendien dit komt het milieu ten goede, omdat grondstoffen voor veredeling niet naar het buitenland hoeven te worden vervoerd, zoals tegenwoordig zo vaak moet, ' zei Misimi.