Blog

May 12, 2024

Dieser KI-Trainer erzielte mit Dual erstaunliche Ergebnisse

Bildnachweis: Yijiong Lin/University of Bristol Mit der Anmeldung stimmen Sie unseren Nutzungsbedingungen und Richtlinien zu. Sie können sich jederzeit abmelden. Wissenschaftler der Universität Bristol haben ein neues entwickelt

Bildnachweis: Yijiong Lin/Universität Bristol

Mit der Anmeldung stimmen Sie unseren Nutzungsbedingungen und Richtlinien zu. Sie können sich jederzeit abmelden.

Wissenschaftler der Universität Bristol haben ein neues System entwickelt, das es Robotern ermöglicht, bimanuelle Aufgaben per Berührung von einem virtuellen Helfer zu erlernen. Das Bi-Touch-System könnte in Branchen wie Obstpflücken, Haushaltsdienstleistungen und künstlichen Gliedmaßen Anwendung finden.

Bei der bimanuellen Manipulation in der Robotik handelt es sich um eine Art der Robotermanipulation, bei der zwei Arme oder Hände verwendet werden, um Aufgaben auszuführen, die Präzision, Koordination und Feedback erfordern. Die bimanuelle Manipulation kann dabei helfen, große, unhandliche oder gekoppelte Objekte zu manipulieren, beispielsweise das Öffnen eines Gewürzbechers oder das Einsetzen einer Batterie. Mithilfe kostengünstiger Hardware und nachgeahmter Lernalgorithmen kann die bimanuelle Manipulation auch durch menschliche Demonstrationen erlernt werden.

Das Bi-Touch-System ermöglicht es Robotern, manuelle Aufgaben auszuführen, indem sie Befehle eines digitalen Assistenten interpretieren. Die jüngsten Erkenntnisse, die in IEEE Robotics and Automation Letters veröffentlicht wurden, zeigen einen KI-Agenten, der taktiles und propriozeptives Feedback nutzt, um das Verhalten von Robotern zu steuern. Diese Beherrschung ermöglicht präzises Erfassen, sanfte Interaktion und effektive Objektmanipulation.

Das taktile Doppelarm-Robotersystem wurde unter Verwendung der neuesten Fortschritte in der KI und robotergestützten Tastsensorik entwickelt. Um das Lernen zu fördern, konstruierten die Forscher eine virtuelle Welt mit Roboterarmen, taktilen Sensoren und einer Belohnungsfunktion.

Die Forscher nutzten Deep Reinforcement Learning (Deep-RL), eine hochmoderne Technik des Roboterlernens, ähnlich dem Training eines Hundes mit Belohnungen und Bestrafungen. Dieses System ermöglicht es Robotern, Entscheidungen zu treffen, aus Versuch und Irrtum zu lernen und im Laufe der Zeit die effektivsten Methoden zur Ausführung von Aufgaben zu entdecken.

Eine bemerkenswerte Leistung? Der Roboter kann so empfindliche Objekte wie einen einzelnen Pringle-Chips sicher anheben.

In einer Pressemitteilung erklärte Hauptautor Yijiong Lin von der Fakultät für Ingenieurwissenschaften eloquent die Leistungsfähigkeit und Effizienz des Bi-Touch-Systems. „Wir können KI-Agenten problemlos innerhalb weniger Stunden in einer virtuellen Welt trainieren, um bimanuelle Aufgaben zu erfüllen, die auf die Berührung zugeschnitten sind“, erklärte Lin und fügte hinzu, dass diese virtuell trainierten Agenten ohne weitere Schulung direkt in der realen Welt eingesetzt werden könnten.

Bimanuelle Manipulation ist für die Robotergeschicklichkeit auf menschlicher Ebene unerlässlich. Allerdings ist dieser Bereich aufgrund der Komplexität und der Verfügbarkeit geeigneter Hardware noch wenig erforscht. Das Bi-Touch-System überwindet diese Barrieren und läutet eine neue Ära in der Robotertechnologie ein.

Co-Autor Professor Nathan Lepora erklärte stolz: „Unser Bi-Touch-System stellt einen vielversprechenden Ansatz mit erschwinglicher Software und Hardware zum Erlernen bimanueller Verhaltensweisen mit Berührung in der Simulation dar, der direkt auf die reale Welt angewendet werden kann.“

Der Open-Source-Charakter der entwickelten taktilen Doppelarmrobotersimulation verspricht, die weitere Forschung und Entwicklung in verschiedenen Bereichen zu erleichtern.

Das Bi-Touch-System stellt einen monumentalen Schritt dar, die Lücke zwischen der virtuellen Welt und realen Anwendungen zu schließen. Seine Fähigkeit, Objekte durch sanfte Berührung zu erlernen, anzupassen und zu manipulieren, eröffnet grenzenlose Möglichkeiten und verändert unsere Sicht auf das, was Roboter leisten können.

Mit der Einführung des Bi-Touch-Systems hat sich der Horizont der technologischen Innovation erweitert und verspricht eine spannende Zukunft für Industrie und Forschung gleichermaßen.

Die Studie wurde in IEEE Robotics and Automation Letters veröffentlicht

Bimanuelle Manipulation mit taktilem Feedback wird der Schlüssel zur Robotergeschicklichkeit auf menschlicher Ebene sein. Dieses Thema wird jedoch weniger erforscht als einarmige Einstellungen, was teilweise auf die Verfügbarkeit geeigneter Hardware und die Komplexität des Entwurfs effektiver Controller für Aufgaben mit relativ großen Zustands-Aktionsräumen zurückzuführen ist. Hier stellen wir ein zweiarmiges taktiles Robotersystem (Bi-Touch) vor, das auf dem Tactile Gym 2.0-Setup basiert und zwei erschwingliche Roboterarme auf Industrieniveau mit kostengünstigen hochauflösenden taktilen Sensoren (TacTips) integriert. Wir stellen eine Reihe bimanueller Manipulationsaufgaben vor, die auf taktiles Feedback zugeschnitten sind: Bi-Pushing, Bi-Reorienting und Bi-Gathering. Um effektive Richtlinien zu erlernen, führen wir geeignete Belohnungsfunktionen für diese Aufgaben ein und schlagen einen neuartigen Zielaktualisierungsmechanismus mit tiefgreifendem Verstärkungslernen vor. Wir wenden diese Richtlinien auch auf reale Umgebungen mit einem taktilen Sim-to-Real-Ansatz an. Unsere Analyse beleuchtet und adressiert einige Herausforderungen, die während der Sim-to-Real-Anwendung auftraten, z. B. tendierte die erlernte Richtlinie dazu, ein Objekt in der Doppel-Reorientierungsaufgabe aufgrund der Sim-to-Real-Lücke zu verdrängen. Abschließend demonstrieren wir die Generalisierbarkeit und Robustheit dieses Systems, indem wir mit verschiedenen unsichtbaren Objekten mit angewendeten Störungen in der realen Welt experimentieren.