A nova estrutura de aprendizagem permite que os robôs executem tarefas interativas em ordem sequencial

Georgia Tech Ph.D. o aluno Niranjan Kumar criou a estrutura Cascaded Compositional Residual Learning (CCRL), permitindo que um robô quadrúpede execute tarefas cada vez mais complexas sem reaprender movimentos, espelhando o aprendizado humano. Kumar apresentado pelo robô abrindo uma porta pesada usando transferência de energia, uma conquista notável na robótica.

O CCRL, porém, funciona como uma “biblioteca” que permite ao robô lembrar tudo o que aprendeu enquanto executa tarefas simples. Cada habilidade recém-obtida é adicionada à biblioteca e aproveitada para habilidades mais complexas. Um movimento de rotação, por exemplo, pode ser aprendido além da caminhada, servindo de base para habilidades de navegação.

Kumar disse que o CCRL abriu novos caminhos na pesquisa de navegação interativa. A navegação interativa é uma das várias soluções de navegação que permitem aos robôs navegar no mundo real. Essas soluções incluem navegação por pontos, que treina um robô para alcançar um ponto em um mapa, e navegação por objetos, que o ensina a alcançar um objeto selecionado.

A navegação interativa exige que um robô alcance um local de destino enquanto interage com obstáculos no caminho, o que provou ser o mais difícil de aprender para os robôs.

A chave, disse Kumar, para fazer um robô passar de andar a empurrar um objeto está nas articulações e na descoberta do robô dos diferentes tipos de movimentos que pode fazer com elas.

Até agora, a política de Kumar atingiu 10 habilidades que um robô pode aprender e implementar. O número de habilidades que ele pode aprender em uma política depende do hardware que o programador está usando.

“A formação leva mais tempo à medida que se acrescentam mais competências, porque agora a política também tem de descobrir como incorporar todas estas competências em diferentes situações”, disse ele. “Mas, teoricamente, você pode continuar adicionando mais habilidades indefinidamente, desde que tenha um computador poderoso o suficiente para executar as políticas”.

Kumar disse que vê o CCRL sendo útil para robôs assistentes domésticos, que precisam ser ágeis e flexíveis para navegar em uma casa desordenada. Ele também disse que poderia servir como cão-guia para deficientes visuais.

“Se você tiver obstáculos na frente de alguém com deficiência visual, o robô pode simplesmente eliminá-los enquanto a pessoa caminha, abrir a porta para ela e coisas assim”, disse ele.