Blog

May 12, 2024

Questo trainer AI ha ottenuto risultati sorprendenti con il dual

Crediti: Yijiong Lin/Università di Bristol Iscrivendoti, accetti i nostri Termini di utilizzo e le nostre politiche. Puoi annullare l'iscrizione in qualsiasi momento. Gli scienziati dell'Università di Bristol hanno sviluppato un nuovo

Crediti: Yijiong Lin/Università di Bristol

Iscrivendoti, accetti i nostri Termini di utilizzo e le nostre Politiche. Puoi annullare l'iscrizione in qualsiasi momento.

Gli scienziati dell'Università di Bristol hanno sviluppato un nuovo sistema che consente ai robot di apprendere compiti bimanuali tramite il tocco di un aiutante virtuale. Il sistema Bi-Touch potrebbe avere applicazioni in settori quali la raccolta della frutta, i servizi domestici e gli arti artificiali.

La manipolazione bimanuale nella robotica è un tipo di manipolazione robotica che prevede l'uso di due braccia o mani per eseguire compiti che richiedono precisione, coordinazione e feedback. La manipolazione bimanuale può aiutare a manipolare oggetti grandi, ingombranti o accoppiati, come aprire una tazza di condimento o inserire una batteria. Utilizzando hardware a basso costo e algoritmi di apprendimento per imitazione, la manipolazione bimanuale può essere appresa anche da dimostrazioni umane.

Il sistema Bi-Touch consente ai robot di eseguire attività manuali interpretando i comandi di un assistente digitale. Le recenti scoperte, divulgate in IEEE Robotics and Automation Letters, mostrano un agente AI che utilizza feedback tattile e propriocettivo per controllare il comportamento robotico. Questa maestria consente un rilevamento preciso, un'interazione delicata e un'efficace manipolazione degli oggetti.

Il sistema robotico tattile a doppio braccio è stato progettato utilizzando i più recenti progressi nell’intelligenza artificiale e nel rilevamento tattile robotico. I ricercatori hanno costruito un mondo virtuale con bracci robotici, sensori tattili e una funzione di ricompensa per incoraggiare l’apprendimento.

I ricercatori hanno utilizzato il Deep Reinforcement Learning (Deep-RL), una tecnica all’avanguardia nell’apprendimento dei robot, simile all’addestramento di un cane con ricompense e punizioni. Questo sistema consente ai robot di prendere decisioni, imparare da tentativi ed errori e, nel tempo, scoprire i modi più efficaci per eseguire le attività.

Un risultato notevole? Il robot può sollevare in sicurezza oggetti delicati come una singola patatina Pringle.

In un comunicato stampa, l'autore principale Yijiong Lin, della Facoltà di Ingegneria, ha spiegato in modo eloquente la potenza e l'efficienza del sistema Bi-Touch. "Possiamo facilmente addestrare agenti IA in un mondo virtuale in un paio d'ore per svolgere compiti bimanuali adattati al tocco", ha affermato Lin, aggiungendo che questi agenti addestrati virtualmente potrebbero essere applicati direttamente al mondo reale senza ulteriore formazione.

La manipolazione bimanuale è essenziale per la destrezza dei robot a livello umano. Tuttavia, quest’area è rimasta sottoesplorata a causa della complessità e della disponibilità di hardware adeguato. Il sistema Bi-Touch trascende queste barriere, inaugurando una nuova era nella tecnologia robotica.

Il coautore, il professor Nathan Lepora, ha affermato con orgoglio: "Il nostro sistema Bi-Touch mostra un approccio promettente con software e hardware convenienti per l'apprendimento di comportamenti bimanuali con il tocco nella simulazione, che può essere applicato direttamente al mondo reale".

La natura open source della simulazione robotica tattile a doppio braccio sviluppata promette di facilitare ulteriori ricerche e sviluppi in vari campi.

Il sistema Bi-Touch rappresenta un passo enorme nel colmare il divario tra il mondo virtuale e le applicazioni del mondo reale. La sua capacità di apprendere, adattare e manipolare oggetti con un tocco delicato offre possibilità illimitate, rimodellando la nostra prospettiva su ciò che i robot possono ottenere.

Con l'avvento del sistema Bi-Touch, l'orizzonte dell'innovazione tecnologica si è ampliato, promettendo un futuro entusiasmante sia per l'industria che per la ricerca.

Lo studio è stato pubblicato su IEEE Robotics and Automation Letters

La manipolazione bimanuale con feedback tattile sarà fondamentale per la destrezza dei robot a livello umano. Tuttavia, questo argomento è meno esplorato rispetto alle impostazioni a braccio singolo, in parte a causa della disponibilità di hardware adeguato e della complessità della progettazione di controllori efficaci per compiti con spazi stato-azione relativamente ampi. Qui presentiamo un sistema robotico tattile a doppio braccio (Bi-Touch) basato sulla configurazione Tactile Gym 2.0 che integra due bracci robotici di livello industriale convenienti con sensori tattili ad alta risoluzione a basso costo (TacTips). Presentiamo una serie di attività di manipolazione bimanuale adattate al feedback tattile: bi-spinta, bi-riorientamento e bi-raccolta. Per apprendere politiche efficaci, introduciamo funzioni di ricompensa adeguate per questi compiti e proponiamo un nuovo meccanismo di aggiornamento degli obiettivi con apprendimento di rinforzo profondo. Applichiamo queste politiche anche alle ambientazioni del mondo reale con un approccio tattile da simulazione a realtà. La nostra analisi evidenzia e affronta alcune sfide incontrate durante l'applicazione da simulazione a realtà, ad esempio la politica appresa tendeva a comprimere un oggetto nel compito di bi-riorientamento a causa del divario da simulazione a realtà. Infine, dimostriamo la generalizzabilità e la robustezza di questo sistema sperimentando diversi oggetti invisibili con perturbazioni applicate nel mondo reale.