Rozbijają naczynia, przewracają meble, uderzają w ściany – tak zachowują się roboty wpuszczone do nieznanych im wcześniej pomieszczeń. Na Uniwersytecie Stanforda uczą je wirtualnie. Też możesz

Robot w nieznanym sobie pomieszczeniu to jak słoń w składzie porcelany; wchodzi w szkodę tam, gdzie „nie nauczył” się lub nie jest nawigowany z pomocą zewnętrznych systemów.

Problem niezgrabnych maszyn chce rozwiązać Roberto Martin-Martin, doktor habilitowany w Laboratorium Wizji i Nauki Uniwersytetu Stanforda wraz z zespołem badaczy – w tym profesorami Stanforda Silviem Savarese i Fei Fei Li.

Nauczenie maszyn, jak złożyć pranie, zanieść naczynia do zmywarki czy poodkurzać, w czym przydałyby się ludziom, zwłaszcza seniorom, wymaga ich doskonałej orientacji w otoczeniu i znajomości właściwości przedmiotów.

Dlatego badacze opracowali system do wirtualnej edukacji maszyn iGibson. Oprogramowanie nazwano na cześć psychologa i badacza percepcji wzrokowej Jamesa Gibsona. To realistyczne, interaktywne środowisko wirtualne, w którym model robota może badać, nawigować i wykonywać zadania, coś na kształt placu zabaw do nauki robotów.

Budynki i pomieszczenia w środowisku szkoleniowym iGibson są interaktywne: roboty mogą przestawiać meble, bibeloty, otwierać drzwi i szafy oraz chwytać i przenosić przedmioty

Po odbyciu wirtualnego szkolenia niektóre roboty już dowiodły, że potrafią poruszać się w świecie rzeczywistym, nie robiąc nikomu krzywdy i niczego nie uszkadzając.

Aby stworzyć realistyczne, wielkoskalowe środowiska wirtualne w iGibson, zespół ze Stanforda wykorzystał skaner 3D do stworzenia fotorealistycznych modeli ponad 750 budynków, z których każdy odzwierciedla ogólny układ, a także bałagan wśród mebli i innych przedmiotów. Czemu bałagan? Czemu nieschematyczne umeblowanie? Już wcześniej szkolono roboty w wirtualnych, usystematyzowanych, prosto wyposażonych pomieszczeniach, wolnych od przypadkowych przeszkód. Gdy wpuszczano go potem do rzeczywistego obiektu, nie potrafił się w nim odnaleźć.

Celem badaczy Stanforda jest osiągnięcie czegoś, co jest krytyczne dla wszystkich inteligentnych agentów, czyli uogólnienia: roboty muszą nauczyć się wykonywać zadania, ale także uogólniać i przenosić te informacje do innego otoczenia. Powinien nauczyć się i wiedzieć, że lodówkę i zlewozmywak znajdzie w kuchni, a telewizor w dziennym pokoju.

Adres filmu na Youtube: https://www.youtube.com/watch?v=Ycv6oWkCDyE&feature=emb_logo

Robot porusza się w wirtualnych pomieszczeniach
Źródło: Uniwersytet Stanforda / YouTube

„Jeśli nie masz środowisk szkoleniowych, które są realistyczne i możliwe do uogólnienia, ponieważ jest ich dużo, roboty nie nauczą się tego, co muszą wiedzieć, aby funkcjonować w prawdziwym świecie” – mówi Martin-Martin cytowany w komunikacie Stanforda.

Budynki i pomieszczenia w środowisku szkoleniowym iGibson są interaktywne: roboty mogą przestawiać meble, bibeloty, otwierać drzwi i szafy oraz chwytać i przenosić przedmioty. Poznają związek między wizualnymi i fizycznymi właściwościami obiektów, takich jak wykonane z drewna, metalu czy tkaniny. W pewnym sensie iGibson pozwala robotowi nauczyć się tego, co ludzie nazywają zdrowym rozsądkiem, na przykład, jak obiekty będą się zachowywać w odpowiedzi na określone siły.

W przyszłości zespół ma nadzieję dodać więcej interaktywnych obiektów do iGibsona, w tym składane ubrania, krany i włączniki światła, które można włączać i wyłączać, a także warzywa do siekania i chleb do pokrojenia. Im więcej zadań robot może wykonać w iGibson, tym lepiej będzie przygotowany do rzeczywistego świata. Badacze dodali ostatnio opcję interakcji robot-robot i chcieliby ją rozszerzyć o interakcję z ludźmi.

iGibson jest już wdrażany również przez innych badaczy (jest to oprogramowanie typu open source i został pobrany ponad 50 razy), co powinno dać podstawy innym, nowym badaniom. A ponieważ roboty będą trenowane znacznie szybciej przy użyciu iGibsona, powinno to przyspieszyć rozwój asystentów domowych, którzy pomagają ludziom w codziennych zadaniach.

Interaktywne funkcje iGibsona zostaną wkrótce przetestowane w prawdziwym świecie w ramach wyzwania Sim2Real Challenge, w którym naukowcy szkolą algorytmy robotów w iGibson, a następnie testują inteligentne roboty w prawdziwym mieszkaniu w Stanfordzie.

iGibsona oraz zestawy danych można pobrać TUTAJ

Skip to content