Инженеры из Калифорнийского университета в Беркли разработали рекордно ловкого робота, которому в большинстве случаев удается захватывать незнакомые предметы произвольной формы. Препринт работы доступен на сайте arXiv.org.

Для людей захват бытовых предметов, таких как телефон или кружка, не представляет труда и совершенно привычен. Но для роботов это очень серьезная задача, как правило требующая больших вычислительных мощностей и применения машинного обучения.

В своей работе инженеры использовали серийно выпускаемого робота, состоящего из двух манипуляторов, а также камеру глубины, создававшую трехмерную модель лежащего перед роботом объекта в реальном времени. Для того чтобы научить робота самостоятельно подбирать технику захвата, инженеры решили использовать нейросеть с глубоким обучением. Для этого они создали базу из полутора тысяч трехмерных моделей различных предметов.

После виртуальной тренировки инженеры проверили робота с помощью реальных объектов. Робот захватывал предмет, если считал, что такой захват будет успешным с вероятностью 50 и более процентов. Если оценка давала более низкую вероятность, робот пытался перевернуть или подвинуть предмет и заново оценивал вероятность захвата. Успешными считались только те попытки, в которых робот захватил, переместил и потряс изделие, не уронив его.

Сначала роботу дали восемь объектов, знакомых ему по обучению, каждый из которых робот захватывал по десять раз из разных исходных положений. В этом случае успешными оказались 93 процента попыток. Затем инженеры решили оценить способность робота к абстрактному мышлению и предложили ему десять предметов, с которыми он в процессе обучения не встречался. На этот раз робот успешно выполнил задание в 80 процентах случаев. На обдумывание техники захвата робот тратил 0,8 секунды.

Подобные роботы-манипуляторы могут быть полезны для компаний, технологические процессы которых подразумевают ручную сортировку различных предметов.

Несмотря на рекордную эффективность, это не первая подобная разработка. К примеру, недавно был представлен робот, который также использует машинное обучение для перемещения различных предметов, но помимо «пальцев» имеет присоску для захвата. Некоторые исследователи используют совершенно другие конструкции, такие как робощупальце, обвивающееся вокруг предмета.

Автор: Григорий Копиев