Nội dung bài viết
Phần mềm cho phép robot học hỏi lẫn nhau ngay cả khi chúng có phần cứng khác nhau. Chuyển đổi từ điện thoại thông minh này sang điện thoại thông minh khác hầu hết là một quá trình suôn sẻ.
Bạn đăng nhập vào tài khoản của mình và các ứng dụng, tùy chọn cũng như danh bạ của bạn sẽ đồng bộ hóa với phần cứng mới. Nhưng trong thế giới robot, việc hoán đổi một cánh tay robot cũ lấy một mẫu mới hơn có nghĩa là phải thiết lập mọi thứ lại từ đầu.
Để khắc phục điều đó, một nhóm các nhà nghiên cứu tại École Polytechnique Fédérale de Lausanne (EPFL) của Thụy Sĩ đã phát triển cái mà họ gọi là Trí thông minh Động học, một khuôn khổ giúp các robot chuyển đổi hoạt động giống như chuyển đổi điện thoại thông minh hơn.
Họ mô tả hệ thống của mình trong một bài báo Science Robotics gần đây. Trong nhiều năm, các nhà nghiên cứu robot đã nỗ lực để khiến robot học hỏi từ việc trình diễn, dạy cho chúng những kỹ năng mới bằng cách chỉ cho chúng biết phải làm gì, thay vì viết những dòng mã.
Ý tưởng là điều khiển từ xa hoặc hướng dẫn vật lý cho cánh tay của robot để dạy nó thực hiện các nhiệm vụ như lau bàn, xếp hộp hoặc hàn một bộ phận của ô tô. Vấn đề là hầu hết các kỹ năng được dạy này đều gắn liền với robot cụ thể mà quá trình đào tạo đã được thực hiện.
Nhưng robot đang tiến bộ nhanh chóng. “Các robot có thiết kế khác nhau và ngày nay có nhiều thiết bị mới Sthithpragya Gupta, nhà nghiên cứu robot tại EPFL và là tác giả chính của nghiên cứu, cho biết: “Các thiết kế đang được đề xuất sẽ mang lại những thách thức riêng”.
Nếu một robot mới có các liên kết dài hơn một chút, hướng khớp khác hoặc cấu hình phức tạp hơn, thì hành vi đã học đó sẽ ngay lập tức bị phá vỡ và robot mới có thể sẽ bị hỏng, bị treo hoặc bị hỏng nếu cố gắng thực hiện.
Vấn đề là phải thích ứng với những hạn chế và khả năng này—để tái tạo một cách trung thực các hành động mà con người đã thể hiện.” Ngày nay, việc chuyển từ cơ thể robot này sang cơ thể robot khác thường có nghĩa là bắt đầu lại từ đầu và đào tạo lại toàn bộ hệ thống.
Khi robot di chuyển trong không gian để hoàn thành nhiệm vụ, nó phải liên tục tính toán cách uốn cong các khớp của mình để giữ cho bộ phận tác động cuối (một robot tương đương với bàn tay) đi đúng hướng.
Robot phải tránh chạm đến giới hạn vật lý, hoặc tệ hơn là một điểm kỳ dị, mà trong chế tạo robot là một vùng nguy hiểm về mặt toán học: một cấu hình vật lý trong đó các khớp của robot sắp xếp theo cách khiến nó tạm thời mất đi một mức độ tự do.
“Ở những vị trí như vậy, robot chuyển động có thể trở nên không ổn định hoặc [bạn] có thể mất quyền kiểm soát robot,” Gupta nói.
Theo thuật ngữ của con người, nó hoạt động gần giống như khóa khuỷu tay khi chúng duỗi thẳng hoàn toàn khi đẩy một vật nặng, khiến cánh tay không thể thực hiện các chuyển động từ bên này sang bên kia trong giây lát.
Việc chuyển kỹ năng từ robot này sang robot khác rất khó vì các robot có cấu trúc khác nhau thường có cấu trúc liên kết khác nhau của các điểm kỳ dị. Khi thuật toán của robot mù quáng đi theo một con đường và chạm vào một điểm kỳ dị, toán học điều khiển các khớp của nó sẽ thất bại.
Robot có thể cố gắng quay một khớp chẳng hạn, ở tốc độ vô hạn, dẫn đến một chuyển động đột ngột, không an toàn bằng cách cung cấp cho robot nhận thức toán học sâu sắc, bẩm sinh về những giới hạn vật lý của chính chúng.
Trí thông minh Động học này, như người ta gọi, cho phép người dùng thể hiện một kỹ năng chỉ một lần và thực hiện kỹ năng đó một cách an toàn bởi một loại robot hoàn toàn khác.
hoạt động lùi lại từ vị trí mục tiêu của robot người tác động cuối cùng sẽ lập bản đồ tất cả các vị trí chung cần thiết để đưa nó đến đó. Sau đó, họ chỉ cần đưa vào các bộ lọc an toàn hoặc các hiệu chỉnh để ngăn robot tự gặp rắc rối.
Một số phương pháp tiếp cận AI dựa trên dữ liệu mới hơn đòi hỏi ít nỗ lực và chuyên môn hơn nhưng yêu cầu quyền truy cập vào mọi robot mà phần mềm điều khiển sẽ được sử dụng trong giai đoạn đào tạo.
Gupta nói: “Ngoài ra, AI có tính chất xác suất hoặc hộp đen, trong đó nó có thể làm điều gì đó không mạch lạc, có thể gây ra thảm họa”. Nhóm của ông muốn sự chắc chắn chứ không phải xác suất nên họ đã áp dụng một cách tiếp cận khác.
Thay vì cố gắng khắc phục những hạn chế cơ học của robot sau quá trình đào tạo, họ đã nhúng những hạn chế này trực tiếp vào chính sách điều khiển ngay từ đầu.
Họ tập trung vào robot ba vòng quay—về cơ bản là cánh tay robot có ba khớp—đóng vai trò là khối xây dựng nền tảng cho nhiều robot thương mại mà chúng ta thấy ngày nay.
Thông qua phân tích đại số về các tham số của robot, chẳng hạn như độ dài của các liên kết và độ lệch của các khớp, nhóm nghiên cứu đã vạch ra chính xác vị trí của các điểm kỳ dị trong không gian khớp của chúng.
Những điểm kỳ dị này, kết hợp với các giới hạn cứng của các khớp nối sẽ chia không gian chuyển động có thể có của robot thành các vùng khả thi mà các nhà nghiên cứu gọi là các khía cạnh.
Bằng cách xem xét cấu trúc liên kết của các khía cạnh này, các nhà nghiên cứu đã phân loại robot ba vòng quay (những robot có ba khớp) thành sáu loại.
Bằng cách này, khi họ biết một robot cụ thể thuộc loại nào trong số sáu loại này, họ sẽ ngay lập tức biết cấu trúc chính xác về các giới hạn vật lý của nó—một bản đồ hoàn chỉnh về các vùng nguy hiểm của nó.
Được trang bị bản đồ này, khung Thông minh Động học cho phép robot đi vòng quanh các điểm kỳ dị của chúng bằng cách sử dụng chiến lược mà nhóm gọi là chu trình theo dõi.
Dựa trên phân loại danh mục, robot biết các giới hạn vật lý của nó, giúp ngăn ngừa va chạm và chủ động chuyển hướng chuyển động để trượt hoặc đi ngang một cách an toàn dọc theo rìa của ranh giới điểm kỳ dị.
Robot cẩn thận đi theo ranh giới này cho đến khi tìm thấy cấu hình an toàn nơi nó có thể vào lại đường dẫn danh nghĩa để hoàn thành nhiệm vụ. Khi nhóm đảm bảo phép toán đằng sau ý tưởng của họ là chính xác, họ đưa khuôn khổ của mình vào thử nghiệm trên nhiều máy khác nhau.
Và nó đã hoạt động. Thiết lập thử nghiệm bao gồm DynaArm Duatic 6-DoF nhỏ gọn với giới hạn khớp chặt chẽ, KUKA LWR IIWA 7 7-DoF có mod giới hạn điều chỉnh và Neura Robotics Maira M 7-DoF với ranh giới thoải mái hơn nhiều.
Với những cỗ máy này, các nhà nghiên cứu đã xây dựng một dây chuyền lắp ráp nhiều robot mô phỏng trong đó ba cánh tay robot khác nhau hợp tác để hoàn thành một chuỗi nhiệm vụ. Lúc đầu, con người thực hiện một lần trình diễn duy nhất ba kỹ năng theo trình tự.
Gupta nói: “Chúng tôi đã thực hiện một nhiệm vụ trong đó bạn đẩy một thứ gì đó ra khỏi băng chuyền, nhặt nó lên và đặt nó lên bàn làm việc, sau đó nhặt lại và ném nó vào giỏ”.
Sau đó, tất cả những hành động này được phân phối giữa các robot để mỗi robot thực hiện một trong số chúng: DynaArm thực hiện việc đẩy, KUKA thực hiện việc nhặt và đặt, còn Neura thực hiện việc nhặt và ném.
Mặc dù các chuyển động đẩy và ném buộc robot phải di chuyển gần ranh giới của không gian làm việc thực tế và thao tác chọn và đặt yêu cầu kiểm tra toán học nội bộ phức tạp, cả ba máy đều có thể học chính sách chức năng thông qua một thao tác duy nhất của con người.
“Và sau đó chúng tôi nói, bạn biết không, hãy xáo trộn những robot này xung quanh,” Gupta nói.
Gợi ý thực hành:
1. Theo dõi thông báo từ cơ quan địa phương tại California.
2. Kiểm tra nguồn chính thức trước khi chia sẻ lại thông tin.