Treinando braços robóticos com uma abordagem sem intervenção

Os humanos muitas vezes consideram suas habilidades motoras finas garantidas. Recriar a precisão mecânica do corpo humano não é uma tarefa fácil – uma tarefa que os alunos de pós-graduação do Departamento de Engenharia Mecânica da CMU esperam simplificar através da inteligência artificial.

Ph.D. os candidatos Alison Bartch e Abraham George, sob a orientação de Amir Barati Farimani, professor assistente de engenharia mecânica, recriaram primeiro uma tarefa simples, como pegar um bloco, usando uma simulação de realidade virtual. Usando este exemplo, eles foram capazes de aumentar diferentes exemplos de movimentos “semelhantes aos humanos” para ajudar no aprendizado do robô.

“Se eu quiser mostrar a você como realizar uma tarefa, só preciso fazê-la uma ou duas vezes antes que você comece”, disse George. “Portanto, é muito promissor que agora possamos fazer com que um robô replique nossas ações depois de apenas uma ou duas demonstrações. Criamos uma estrutura de controle onde ele pode nos observar, extrair o que precisa saber e então executar essa ação.”

A equipe descobriu que os exemplos aumentados ajudaram a diminuir significativamente o tempo de aprendizado do robô para a tarefa de escolher e colocar blocos em comparação com uma arquitetura de aprendizado de máquina sozinha. Isto, combinado com a coleta de dados humanos por meio de uma simulação de headset VR, significa que este método de pesquisa tem o potencial de produzir resultados promissores com “menos de um minuto de intervenção humana”.

Esta pesquisa foi apresentada na Conferência Internacional sobre Robótica e Automação de 2023.

George descreveu o desafio de criar exemplos aumentados que fossem confiáveis ​​e “novos” para a IA aprender, para que pudesse reconhecer diferenças mais sutis nos mesmos movimentos.

“Uma boa analogia para isso é quando você está tentando treinar um computador para reconhecer a imagem de um cachorro, você pode mostrar centenas de imagens de cães versus gatos.” disse Jorge. “Mas estamos tentando treinar o computador para identificar um cachorro com base em apenas uma imagem aumentada. Portanto, se mostrarmos uma raça de cachorro diferente, o computador terá dificuldade para identificá-lo como um cachorro.”

Já olhando para o futuro, Bartch planeja usar métodos semelhantes para ensinar o robô a interagir com materiais mais maleáveis ​​– principalmente argila – e prever como ele irá moldá-los.

“Para o objetivo final de ter robôs no mundo, eles precisam ser capazes de prever como os diferentes materiais irão se comportar”, disse Bartch. “Se você pensar em um robô assistente em casa, os materiais com os quais eles irão interagir são deformáveis: a comida é deformável, as esponjas são deformáveis, as roupas são deformáveis”.