Le persone nascono con la capacità di cambiare il proprio comportamento in base agli oggetti che tengono in mano e ai compiti che cercano di svolgere. Ad esempio, gli studenti possono imparare a rimuovere con cura la pelle esterna quando tagliano determinati frutti o verdure, o a tagliare le parti più dure come avocado o semi di pesca.
I robot devono essere in grado di tagliare in modo efficiente oggetti con composizioni o trame di materiali misti per assistere gli esseri umani in attività comuni come cucinare e preparare i pasti. Ma finora il trasferimento di questa capacità ai robot si è rivelato molto difficile.
RoboNinja, un sistema basato sull'apprendimento automatico recentemente sviluppato da ricercatori della Columbia University, CMU, UC Berkeley e altre istituzioni americane, può consentire ai robot di tagliare oggetti multimateriali, in particolare oggetti morbidi con un nucleo duro. I suoi articoli, pubblicati sul servizio di prestampa ArXiv, possono contribuire a migliorare le capacità dei robot creati per aiutare le persone nelle faccende domestiche e nelle attività quotidiane di cucina.
Zhenjia Xu, Zhou Xian e colleghi hanno notato nel loro articolo che RoboNinja mira a rimuovere la parte morbida di un oggetto preservando il nucleo duro, massimizzando così l'efficienza, a differenza di studi precedenti che utilizzavano azioni di taglio ad anello aperto per tagliare oggetti monomateriale (come come affettare i cetrioli). Il nostro approccio utilizza uno stimatore di stato interattivo per fare ciò e una politica di interruzione adattiva per chiudere il ciclo percezione-azione.
Utilizzando un programma per computer, sono stati in grado di creare un programma per computer che consentisse loro di creare un programma per computer che potesse essere eseguito su qualsiasi computer. Gli obiettivi del sistema sono estrarre quanta più polpa possibile riducendo le collisioni con il seme centrale e utilizzando la minor forza possibile.
Processi di taglio di robot e algoritmi sviluppati
Secondo l'articolo di Xu, Xian e colleghi, il sistema utilizza informazioni di collisione sparse per prevedere ripetutamente la posizione e la geometria del nucleo di un oggetto, quindi genera azioni di interruzione a circuito chiuso basate sullo stato previsto e su un valore di tolleranza. Secondo la dichiarazione, "Il valore di tolleranza cambia il conservatorismo della politica quando si incontrano collisioni mantenendo una distanza di sicurezza adattiva dal kernel stimato".
Per valutare il loro sistema per il taglio di oggetti multimateriale, i ricercatori hanno sviluppato un ambiente di simulazione del taglio più adatto alla sfida che dovevano affrontare. In questo ambiente, un robot può tagliare in vari modi oggetti costituiti da una combinazione di materiali duri e morbidi.
Secondo l'articolo di Xu, Xian et al., “Gli attuali simulatori sono limitati nella simulazione di prodotti multimateriale o nel calcolo del consumo di energia durante il processo di taglio. Per affrontare questo problema, stiamo creando un simulatore di taglio differenziabile che supporti la connettività multi-materiale e consenta la creazione di traiettorie ottimizzate campione per l'apprendimento delle politiche.
RoboNinja ha consentito alle simulazioni di Xu, Xian e colleghi della pinza robotica di estrarre una quantità significativa di materiale morbido dagli oggetti limitando le collisioni con le parti dure e consumando una quantità tollerabile di energia. Per convalidare ulteriormente le prestazioni della struttura in scenari del mondo reale e durante il taglio di oggetti con varie geometrie del nucleo, il team l'ha poi testata su una vera pinza robotica.
Nel loro rapporto, i ricercatori hanno scritto che le nostre prove hanno dimostrato la generalizzabilità della nostra strategia a geometrie di nucleo innovative e persino a frutti reali. "Ci aspettiamo che i risultati dei nostri esperimenti e il simulatore appena creato stimolino ulteriori ricerche sull'apprendimento dei robot che coinvolgono interazioni con elementi multimateriali", scrivono gli autori.
Fonte: Techxplore
Günceleme: 14/03/2023 14:36