381
Робот зміг навчитися виконувати складні завдання з до 12 послідовних кроків, маючи лише приблизно п’ять хвилин відеодемонстрацій, і при цьому адаптувався, коли люди переривали його роботу або окремі спроби провалювалися. Систему під назвою SymSkill розробили дослідники Пенсильванського університету, про неї розповідає видання Interesting Engineering.
SymSkill призначена для того, щоб роботи могли поєднувати прості вивчені навички в довші й складніші послідовності без необхідності показувати їм кожен можливий варіант дій. Підхід протестували як у комп’ютерній симуляції, так і на реальній роботизованій руці.
Поєднання символьного планування та фізики руху
Замість того щоб покладатися на дедалі більші набори тренувальних даних, SymSkill об’єднує символьне планування з фізично обґрунтованим підходом, який називають динамічними системами (dynamical systems). Разом вони дають роботу змогу вирішити, які дії потрібні, і як саме їх фізично виконати.
Дослідники демонстрували систему на завданнях на кшталт перенесення банана з накритої кришкою каструлі на тарілку. Робот мав зняти кришку, підняти банан і покласти його на тарілку, змінюючи поведінку, якщо людина втручалася або якась дія не вдавалася з першого разу.
SymSkill розділяє навчання робота на два взаємопов’язані рівні. На верхньому рівні символьне планування описує об’єкти, дії та їхні зв’язки, що дає змогу визначити послідовність кроків для досягнення мети. Другий рівень керує рухом: підхід динамічних систем визначає, як саме роботизована рука має виконати окремі дії й як реагувати на зміни в оточенні, наприклад, коли людина перегороджує шлях.
П’ять хвилин навчання замість сотень прикладів
Ключова особливість у тому, що система отримує базові вміння лише з п’яти хвилин демонстрацій. Після того, як окремі навички засвоєні, SymSkill може перекомбіновувати їх у довші послідовності, замість того щоб вимагати від дослідників показувати кожне складне завдання повністю.
Провідний автор, аспірант Іфей Саймон Шао (Yifei Simon Shao) з лабораторії Надії Фігуероа (Nadia Figueroa) у Penn Engineering, пояснює, що роботові не потрібно «пережити» кожну можливу варіацію завдання, щоб виконати його. Після освоєння базових умінь і розуміння їхнього зв’язку зі світом навколо робот може поєднувати ці навички у нові комбінації. Це крок до машин, здатних працювати в непередбачуваних та змінних умовах повсякденного життя.
Вміння відновлюватися після помилок
У середовищі, де поряд з роботами перебувають люди, особливо важливо, щоб машина вміла реагувати, коли щось іде не за планом. Якщо робот слідує лише жорстко заданій послідовності, він може «застрягти», коли об’єкт змістили або хтось перекрив йому траєкторію.
SymSkill натомість дозволяє роботу переплановувати дії на льоту. Якщо людина перешкоджає або один із кроків завершується невдачею, система коригує план і пробує знову, а не запускає всю послідовність із самого початку.
Дослідники продемонстрували виконання завдань із до 12 кроків без додаткових демонстрацій спеціально для цих довших послідовностей.
Менше даних, більше можливостей
На думку Фігуероа, доцентки кафедри машинобудування та прикладної механіки Penn Engineering, підхід показує, що роботам можна додати спроможностей, не просто «підкидаючи» їм ще більше даних. Її лабораторія також досліджує, як повторно використовувати вже вивчені рухи для досягнення нових цілей.
Окремий підхід, який команда випробовує, називається Gaussian Graph. Він перетворює продемонстровані рухи на своєрідну карту можливих траєкторій у робочому просторі, завдяки чому робот може прокладати маршрути, які йому ніколи прямо не показували.
Наступним кроком дослідники планують об’єднати ці методи з мовними моделями, щоб роботи краще тлумачили людські інструкції. Команда також вивчає можливості застосування підходу до роботів із двома руками, до гуманоїдних платформ і до машин, що вміють пересуватися простором, одночасно маніпулюючи об’єктами.
Робот вчиться 12-крокових завдань за 5 хвилин і відновлює план з’явилася спочатку на Цікавості.
