02/05/2023
Door Ad Spijkers
Technici aan Columbia Engineering ontwerpen een robothand die geavanceerde tastzin combineert met algoritmen voor motorisch leren.
Veel vaardigheden van de mens zijn gebaseerd op aanraking. Onze handen en vingers zijn bekwame mechanismen en zeer gevoelig. Robotica-onderzoekers hebben lang geprobeerd om 'echte' behendigheid in robothanden te creëren. Robotgrijpers en zuignappen kunnen items oppakken en plaatsen, maar meer behendige taken zoals montage, inbrengen, heroriënteren en verpakken zijn het domein van menselijke manipulatie gebleven.
Door de vooruitgang in zowel detectietechnologie als machine learning technieken om de waargenomen gegevens te verwerken, verandert het veld van robotmanipulatie echter snel. Onderzoekers van Columbia Engineering (onderdeel van Columbia University) in New York hebben een behendige robothand gedemonstreerd, een die een geavanceerd tastgevoel combineert met motorische leeralgoritmen om een hoog niveau van behendigheid te bereiken.
Zonder vision
Als demonstratie van vaardigheid koos het team voor een moeilijke manipulatietaak: het uitvoeren van een willekeurig grote rotatie van een ongelijk gevormd object terwijl dat altijd in een stabiele, veilige greep werd gehouden. Dit vereist een constante herpositionering van een deel van de vingers, terwijl de andere vingers het object stabiel moeten houden. De hand kon niet alleen deze taak uitvoeren, maar hij deed het ook zonder enige vorm van visuele feedback, uitsluitend gebaseerd op aanrakingswaarneming.
Omdat de hand niet afhankelijk is van vision om objecten te manipuleren, kan hij dit doen in moeilijke lichtomstandigheden die op vision gebaseerde algoritmen in de war zouden brengen. Hij kan zelfs in het donker functioneren.
De demonstratie was een 'proof of concept', bedoeld om de mogelijkheden van de hand te illustreren. Maar volgens de onderzoekers zal dit niveau van behendigheid nieuwe toepassingen openen voor robotmanipulatie in de echte wereld. Die kunnen liggen in logistiek en material handling, het helpen verlichten van problemen in de toeleveringsketen en in geavanceerde productie en assemblage in fabrieken.
Tactiele vingers
In eerder werk ontwikkelden de onderzoekers een nieuwe generatie op optica gebaseerde tactiele robotvingers. Dit waren de eerste robotvingers die contactlokalisatie bereikten met submillimeter precisie. Tegelijkertijd boden ze volledige dekking van een complex, meervoudig gebogen oppervlak. Bovendien zorgden de compacte verpakking en het lage aantal draden van de vingers voor een gemakkelijke integratie in volledige robothanden.
Voor dit nieuwe onderzoek ontwierpen en bouwden de ontwikkelaars een robothand met vijf vingers en vijftien onafhankelijk aangedreven gewrichten. Elke vinger was voorzien van aanraakgevoelige technologie. De volgende stap was het testen van het vermogen van de tactiele hand om complexe manipulatietaken uit te voeren.
Om dit te doen, gebruikten ze nieuwe methoden voor motorisch leren, of het vermogen van een robot om nieuwe fysieke taken te leren door te oefenen. Ze gebruikten in het bijzonder deep reinforcement learning, aangevuld met nieuwe algoritmen voor een effectieve verkenning van mogelijke motorische strategieën.
De input voor de algoritmen voor motorisch leren bestond uitsluitend uit de tactiele en proprioceptieve gegevens van het team, zonder vision. Door simulatie voltooide de robot ongeveer een jaar oefenen in slechts enkele uren in real-time, dankzij moderne simulatoren en parallelle processoren. De onderzoekers hebben deze in simulatie getrainde manipulatievaardigheid vervolgens overgedragen aan de echte robothand, die het gehoopte niveau van behendigheid bereikte.
Doelstelling
Het richting gevende doel voor ondersteunende robotica in huis blijft het ultieme testterrein voor echte behendigheid. In het onderzoek hebben de ontwikkelaars aangetoond dat robothanden behendig kunnen zijn op basis van alleen aanraking. Zodra ze behalve aanraking ook visuele feedback aan de mix toevoegen, hopen ze nog meer behendigheid te bereiken en op een dag de replicatie van de menselijke hand te benaderen.
Uiteindelijk heeft een fysieke robot die bruikbaar is in de echte wereld zowel abstracte semantische intelligentie nodig (om conceptueel te begrijpen hoe de wereld werkt) als belichaamde intelligentie (de vaardigheid om fysiek met de wereld om te gaan). Grote taalmodellen zoals OpenAI's GPT-4 of Google's Palm streven ernaar om het eerste te bieden, terwijl behendigheid in manipulatie zoals bereikt in deze studie complementaire vorderingen vertegenwoordigt in het laatste.
De onderzoekers hopen dat fysiek bekwame robots in staat zullen zijn om semantische intelligentie uit de puur virtuele wereld van internet te halen en deze goed te gebruiken voor fysieke taken in de echte wereld, misschien zelfs bij ons thuis.
De wetenschappelijke publicatie vindt u hier.
Foto: Columbia University ROAM Lab