Робот на основе ИИ учится играть в игру Дженги

• Исследователи разрабатывают роботизированную руку, которая использует осязание и зрение, чтобы изучить игру Дженга.
• Метод машинного обучения, разработанный в этой работе, может помочь роботам собирать потребительские товары и выполнять другие задачи, требующие осторожного физического взаимодействия.

Jenga - сложная игра, требующая точной координации глаз и рук и стратегии. Как люди, мы легко интегрируем наши чувства зрения и осязания, чтобы овладеть этой игрой. С другой стороны, роботы еще не обладают таким уровнем сложности.

Большинство систем обучения роботов используют только визуальные данные без осязания, что в основном ограничивает их способность узнавать о внешнем мире. Существующие алгоритмы обучения, основанные на безмодельных методах обучения с подкреплением, практически не имеют возможности использовать знания о физических объектах, контактах или силах.

Недавно исследователи MCube Lab Массачусетского технологического института разработали алгоритм, позволяющий воспроизвести эту способность с помощью робота. В отличие от традиционных методов машинного обучения, которые используют массивные наборы данных для оценки своего следующего наилучшего действия, этот робот изучает и использует иерархическую модель, которая позволяет аккуратно и точно извлекать элементы.

Робот, играющий в Jenga

Робот оснащен внешней камерой RGB, захватом с мягкими зубьями и манжетой на запястье с датчиком силы. Все эти компоненты позволяют роботу наблюдать и чувствовать башню Дженга и ее отдельные блоки.

Исследователи настроили промышленную роботизированную руку ABB IRB 120 и установили башню Jenga в пределах досягаемости. Когда рука мягко нажимает на блок, компьютер фиксирует тактильную и визуальную обратную связь от его манжеты и камеры и сравнивает эти измерения с предыдущими движениями робота.

Ссылка:ScienceRobotics | doi:10.1126 / scirobotics.aav3123 | Массачусетский технологический институт

Эта модель позволяет роботу точно оценить состояние фигуры, смоделировать следующие возможные ходы и выбрать подходящий. В режиме реального времени машина узнает, нужно ли продолжать толкать блок или переходить к новому, чтобы конструкция не рухнула.

Это сложнее, чем разработка искусственного интеллекта для шахмат или го, поскольку игра в Jenga требует базовых физических навыков, таких как тянуть, толкать, размещать и выравнивать отдельные блоки.

Робот, разработанный в этой работе, эффективно определяет, когда блок кажется застрявшим или свободным, и решает, как его извлечь, используя гораздо меньше данных. Его обучают почти на 300 попытках (вместо десятков тысяч попыток). Попытки получения схожих результатов и измерений сгруппированы в кластеры, и каждый кластер представляет конкретное поведение блока.

Для каждого отдельного кластера данных машина разработала модель для оценки поведения блока с учетом его текущих тактильных и визуальных измерений. Эта стратегия кластеризации, основанная на естественном способе обучения людей, значительно увеличивает эффективность робота, с которой он может научиться играть в игру.

Приложения

Этот метод - успешный пример перехода искусственного интеллекта в физический мир. По мере того как робот взаимодействует с окружающей средой, он осваивает некоторые из основных навыков, определяющих манипуляции человека.

Читайте:Дактиль:человеческая рука робота, которая использует ИИ для достижения беспрецедентной ловкости

Эта система тактильного обучения может применяться к задачам, выходящим за рамки игры Jenga, особенно к тем задачам, которые требуют осторожного физического взаимодействия. Например, сборка потребительских товаров и отделение вторсырья от мусора на свалках.

Например, на конвейере для сборки смартфонов и ноутбуков большинство этапов требует прикосновения и силовых действий, а не только зрения, и эта технология может значительно улучшить такие сборочные конвейеры.