A abordagem zero-shot permite que robôs manipulem objetos articulados

Para ajudar os humanos a realizar tarefas manuais diárias, os robôs devem ser capazes de manipular de forma confiável objetos cotidianos que variam em forma, textura e tamanho. Muitas abordagens convencionais para permitir a manipulação robótica de vários objetos dependem de treinamento extensivo e programação precisa, delineando também as propriedades dos objetos que os robôs irão manipular.

Estas abordagens têm limitações significativas, pois permitem que os robôs se destaquem apenas em tarefas específicas e em ambientes controlados. Quando testados em ambientes imprevisíveis do mundo real e em tarefas que exigem a manipulação de objetos nunca encontrados antes, os robôs tendem a ter um desempenho insatisfatório.

Pesquisadores da Universidade de Pequim, do Instituto de Inteligência Artificial Geral de Pequim e da Universidade Queen Mary de Londres desenvolveram o Tac-Man, uma nova abordagem tátil que pode melhorar a capacidade dos robôs de manipular quaisquer objetos articulados, como portas, gavetas e eletrodomésticos. , sem experiência prévia com esses objetos e conhecimento de seus mecanismos subjacentes.

Esta abordagem, publicada em Transação IEEE em Robóticautiliza feedback tátil coletado por sensores para guiar os movimentos dos robôs, garantindo um contato estável entre os robôs e os objetos que eles seguram durante uma tarefa de manipulação.

“As abordagens tradicionais para a manipulação robótica dependem fortemente do conhecimento prévio da mecânica dos objetos”, disse Zihang Zhao, co-autor do estudo, ao Tech Xplore.

“No entanto, isso se torna problemático quando os robôs encontram objetos desconhecidos ou quando as propriedades dos objetos mudam inesperadamente. Nossa abordagem, em contraste, imita como os humanos interagem naturalmente com os objetos – por meio do toque e do ajuste em tempo real. Quando abrimos uma gaveta ou porta, não em vez disso, calculamos conscientemente suas propriedades mecânicas; sentimos intuitivamente o movimento e ajustamos conforme necessário.”

Objetos de natureza muito semelhante, como portas de armários ou eletrodomésticos, podem ter mecanismos internos totalmente diferentes. As abordagens convencionais para aprimorar as habilidades de manipulação de objetos de um robô exigem fornecer aos robôs informações detalhadas sobre os objetos que eles manipularão durante o treinamento, mas essas informações podem não se aplicar a objetos semelhantes com mecanismos diferentes.

Além disso, algumas propriedades dos objetos e seus mecanismos subjacentes podem, às vezes, ser difíceis de modelar ou podem mudar ao longo do tempo. Tac-Man, a abordagem desenvolvida por Zhao e seus colegas, foi projetada para superar as limitações das técnicas convencionais de manipulação robótica de objetos, permitindo que os robôs tenham um melhor desempenho em ambientes dinâmicos e em tarefas que envolvem objetos com os quais não foram programados.

“Essas limitações há muito dificultam a capacidade dos robôs de operar de forma autônoma em ambientes dinâmicos”, disse Yixin Zhu, coautor correspondente do estudo.

“Nosso objetivo era desenvolver um sistema capaz de lidar com objetos articulados sem depender do conhecimento prévio de seus mecanismos internos. Nosso objetivo era criar uma abordagem mais intuitiva e adaptativa que pudesse funcionar com qualquer objeto articulado, independentemente de seu design ou complexidade.”

A abordagem Tac-Man depende de um sistema de detecção que monitora continuamente as mudanças nos padrões de contato entre robôs e objetos. Usando esses dados táteis coletados, o sistema pode detectar e adaptar-se a quaisquer desvios dos movimentos pretendidos em tempo real.

A principal vantagem desta abordagem é que ela permite que os robôs ajustem suas ações em tempo real, ajustando rapidamente sua aderência e movimentos com base nas informações táteis que estão captando. Comparado a outros métodos introduzidos no passado, o Tac-Man prioriza o feedback tátil em vez do feedback visual, que pode produzir interações mais naturais e adaptativas.

“Pense nisso como usar a mão para abrir uma gaveta sem olhar”, explicou Lecheng Ruan, co-autor correspondente.

“Você não precisa saber exatamente como funciona o mecanismo da gaveta – você pode sentir a direção correta através do toque e ajustar seu movimento de acordo. Tac-Man emprega esse mesmo princípio, usando sensores táteis avançados para monitorar e ajustar continuamente suas interações com objetos .”

A abordagem desenvolvida por esta equipe de pesquisa imita o processo pelo qual os humanos interagem com objetos em seu ambiente. Depois de tocar um objeto, o robô ajusta sua pegada para garantir um contato estável com ele e, em seguida, lenta e hesitantemente, começa a movê-lo, descobrindo gradualmente a melhor forma de manipulá-lo.

Ao completar uma tarefa, o robô continua a coletar feedback tátil, usando esse feedback para refinar ainda mais sua aderência e movimentos. Isto resulta em movimentos mais naturais, ao mesmo tempo que elimina a necessidade do robô de programação específica do objeto.

“O toque é uma parte essencial de como interagimos com o mundo”, disse Wanlin Li, coautor do estudo. “Em nossa pesquisa, nos concentramos no desenvolvimento de soluções robustas de detecção tátil para aplicações do mundo real.

“Ao trabalhar com sensores do tipo GelSight, encontramos maneiras de equilibrar sensibilidade com praticidade, garantindo que o sistema possa detectar até mesmo as menores variações de pressão e textura, ao mesmo tempo que permanece durável o suficiente para as tarefas diárias.”

Os pesquisadores avaliaram o Tac-Man em uma série de experimentos no mundo real e descobriram que ele permitia aos robôs manipular uma ampla gama de objetos articulados, adaptando-se às suas propriedades ao longo do tempo. Os objetos em que os robôs foram testados incluíam gavetas com mecanismos deslizantes distintos, portas de armários com dobradiças em diferentes locais e outros itens de mobiliário com mecanismos rotacionais complexos.

“Em cenários do mundo real, nossos sensores do tipo GelSight usam uma camada de sílica gel deformável que fornece informações de contato detalhadas”, disse Yuyang Li, co-autor do estudo. “Para replicar isso na simulação, desenvolvemos um modelo de simulação tátil especializado que se aproxima muito do comportamento dos sensores táteis físicos.”

A equipe também avaliou sua abordagem em simulações executadas no NVIDIA Isaac Sim. Essas simulações destacaram ainda mais o potencial de sua abordagem, mostrando que ela produziu um comportamento mais adaptável e rendeu taxas de conclusão de tarefas mais altas do que outros métodos computacionais bem estabelecidos para manipulação de robôs.

“A beleza da nossa abordagem reside na sua simplicidade e adaptabilidade”, disse Kaspar Althoefer, co-autor do estudo. “Ao confiar no feedback tátil em vez da pré-programação complexa, criamos uma solução mais robusta e prática para a robótica do mundo real. Isso poderia reduzir significativamente o custo e a complexidade da implantação de robôs em ambientes novos e dinâmicos.”

A nova abordagem desenvolvida por este grupo de pesquisa poderá em breve ser avançada e testada em uma gama mais ampla de sistemas robóticos. No futuro, poderá ajudar a aumentar o desempenho dos robôs em tarefas que exijam uma interação cuidadosa com objetos sob condições incertas.

Por exemplo, poderia melhorar o desempenho dos robôs em várias tarefas domésticas, ao mesmo tempo que lhes permitiria guiar cuidadosamente os movimentos dos membros de um paciente durante a reabilitação e até mesmo mover escombros ou resgatar sobreviventes após desastres naturais. Entretanto, os investigadores estão a trabalhar para melhorar ainda mais aspectos específicos do seu sistema, para produzir movimentos cada vez mais naturais e facilitar a sua implantação em grande escala.

“Nosso trabalho demonstra que o conhecimento prévio – antes considerado essencial para a manipulação de objetos articulados – pode não ser necessário”, acrescentou Zhu.

“Isso abre novas e excitantes possibilidades para o desenvolvimento de sistemas robóticos mais autônomos e adaptáveis. Estamos ansiosos para ver como essa tecnologia evoluirá e impactará positivamente vários setores nos próximos anos.”

© 2024 Science X Network