Робота навчили різати огірки і помідори

Американські інженери створили робота, здатного різати овочі на ломтики. Особливість підходу, обраного розробниками, полягає в тому, що спочатку робот навчався іншому завданню, яке допомогло вивчити основний навик - спочатку робот був навчений передбачати товщину ломтиків, а вже після цього навчився якісно різати їх, розповідають автори статті, опублікованої на arXiv.org.

Маніпуляція з об'єктами - одне з основних завдань у робототехніці. Для виконання навіть простих дій з предметами робот повинен мати безліч навичок: вміти розпізнавати об'єкти, розраховувати оптимальне місце захоплення або іншої дії, планувати траєкторію переміщення маніпулятора і передбачати властивості об'єктів. Останній навик вкрай важливий при взаємодії з м'якими об'єктами, форма та інші властивості яких можуть змінюватися прямо під час взаємодії. Одне з модельних завдань, що дозволяють відпрацювати потрібні для взаємодії з різними об'єктами навички - нарізка овочів. Під час цього здавалося б простої дії робот змушений працювати з предметами, які деформуються при взаємодії з ножем, що, наприклад, призводить до зміни траєкторії нарізки і кінцевої форми ломтика.

Олівер Крьомер (Oliver Kroemer) і його колеги з Університету Карнегі - Меллон вибрали незвичайний підхід для вирішення цієї проблеми. Спочатку вони навчили алгоритм виконання проміжного завдання - передбачення товщини ломтика і овоча, що залишився, по одній четвертій фотографії. Для цього вони створили датасет, що складається з пар зображень, зроблених до і після розрізання. Під час створення датасета інженери створювали випадковий план нарізки (кілька ломтиків заданої товщини), а потім нарізали овоч і робили його знімки. Таким чином автори роботи набрали 50 демонстрацій (по кілька відрізів) для огірків і 25 для помідорів. Крім того, інженери навчили нейромережу виявляти овочі за допомогою датасета з приблизно чотирьох тисяч огірків і помідорів.

Під час навчання нейромережі для передбачення товщини ломтика інженери навчили її переводити вихідні дані у вигляді знімка в векторну виставу. Автори роботи зазначають, що це дозволило отримати навчену частину нейромережі, здатну пов'язувати знімки овочів з їх властивостями. Після навчання проміжного алгоритму розробники приступили до навчання основного. Його завдання полягає в тому, щоб скласти траєкторію руху маніпулятора з ножем. Для цього інженери скористалися методом імітаційного навчання, при якому автори руками керували рухом маніпулятора під час відрізання ломтиків, а алгоритм згодом намагався відтворити аналогічні рухи якомога більш точно.

Інженери провели експерименти на роботі з камерою і двома маніпуляторами. Один з них відповідає за фіксацію овочу на дошці, а другий тримає ніж і відрізає ломтики. Під час нарізання маніпулятор рухає ніж до овочу і зупиняється під час контакту. Після цього він піднімає ніж, пересуває на розраховану заздалегідь відстань, що забезпечує потрібну товщину ломтика, і приступає до відрізу, під час якого він імітує рухи людей під час аналогічної дії.

Раніше інша група американських інженерів навчила робота з маніпулятором взаємодії з овочами і фруктами для того, щоб годувати людей з вилки. Розробники навчили робота по-різному поводитися з різними типами їжі. Наприклад, оскільки шматок банана може зісковзнути з вилки, маніпулятор наколює його не вертикально, а під кутом.