Entraînement des bras robotiques avec une approche mains libres

Les humains tiennent souvent leur motricité fine pour acquise. Recréer la précision mécanique du corps humain n’est pas une tâche facile, une tâche que les étudiants diplômés du département de génie mécanique de la CMU espèrent simplifier grâce à l’intelligence artificielle.

doctorat les candidats Alison Bartch et Abraham George, sous la direction d’Amir Barati Farimani, professeur adjoint de génie mécanique, ont d’abord recréé une tâche simple, comme ramasser un bloc, à l’aide d’une simulation de réalité virtuelle. À l’aide de cet exemple, ils ont ensuite pu augmenter différents exemples de mouvements « humains » pour faciliter l’apprentissage du robot.

« Si je veux vous montrer comment faire une tâche, je dois juste le faire une ou deux fois avant que vous ne vous en rendiez compte », a déclaré George. « Il est donc très prometteur que nous puissions maintenant faire en sorte qu’un robot reproduise nos actions après seulement une ou deux démonstrations. Nous avons créé une structure de contrôle où il peut nous surveiller, extraire ce qu’il a besoin de savoir, puis effectuer cette action. »

L’équipe a constaté que les exemples augmentés aidaient à réduire considérablement le temps d’apprentissage du robot pour la tâche de sélection et de placement de blocs par rapport à une architecture d’apprentissage automatique seule. Ceci, associé à la collecte de données humaines via une simulation de casque VR, signifie que cette méthode de recherche a le potentiel de produire des résultats prometteurs avec « moins d’une minute d’intervention humaine ».

Cette recherche a été présentée à la Conférence internationale 2023 sur la robotique et l’automatisation.

George a décrit le défi de créer des exemples augmentés à la fois fiables et « nouveaux » pour que l’IA puisse apprendre, afin qu’elle puisse reconnaître des différences plus nuancées dans les mêmes mouvements.

« Une bonne analogie pour cela est que lorsque vous essayez d’entraîner un ordinateur à reconnaître une image de chien, vous pouvez lui montrer des centaines d’images de chiens contre des chats. » dit Georges. « Mais nous essayons d’entraîner l’ordinateur à identifier un chien sur la base d’une seule image augmentée. Donc, si nous lui montrons une race de chien différente, l’ordinateur aura du mal à l’identifier comme un chien. »

Déjà tourné vers l’avenir, Bartch prévoit d’utiliser des méthodes similaires pour apprendre au robot comment interagir avec des matériaux plus malléables, en particulier l’argile, et prédire comment il les façonnera.

« Pour l’objectif final d’avoir des robots dans le monde, ils doivent être capables de prédire comment différents matériaux vont se comporter », a déclaré Bartch. « Si vous pensez à un robot assistant à la maison, les matériaux avec lesquels il va interagir sont déformables : la nourriture est déformable, les éponges sont déformables, les vêtements sont déformables. »