Инженеры из Венского технического университета разработали робота, способного обучаться уборке сложных поверхностей, наблюдая за действиями человека. Этот подход может изменить промышленность, позволив роботам выполнять задачи, которые раньше считались слишком сложными для автоматизации.
Одной из самых сложных задач для автоматизации является уборка ванной комнаты: робот должен перемещаться с достаточной точностью, чтобы охватить всю поверхность раковины, учитывать форму и наклон, а также знать, с какой силой нажимать на разные участки. Для этого требовался бы слишком сложный код и множество правил, которые заняли бы много времени на программирование. Поэтому инженеры пошли другим путем: они позволили роботу обучаться путем наблюдения.
Процесс обучения робота напоминает наставничество: человек многократно показывает, как нужно очищать поверхность, в данном случае — край раковины. Для демонстрации использовалась специальная губка с датчиками силы и метками для отслеживания движений. Робот запоминал не только движения, но и силу нажатия и углы наклона губки, применяемые к разным участкам. Этот набор данных использовался для тренировки нейросети, которая обучала устройство так называемым «примитивам» — элементарным движениям, которые затем можно комбинировать и адаптировать к новым поверхностям.
«Система позволяет роботу понять, что на изогнутых участках нужно надавливать сильнее, а на плоских — ослаблять нажим», — объясняет один из разработчиков, аспирант Кристоф Унгер. Это означает, что, обучившись на крае раковины, робот сможет обрабатывать и другие сложные формы, адаптируя свои действия к особенностям каждой поверхности.
Технология имеет множество применений, от шлифовки деревянных изделий до полировки и ремонта автомобильных кузовов. В будущем такие устройства можно будет использовать в любом цехе, где необходима обработка поверхностей. Более того, роботы смогут передвигаться на мобильной платформе и «учиться» новым задачам в разных условиях, становясь универсальными помощниками.
Авторы разработки видят еще одно важное преимущество — возможность обмена знаниями. Представьте, что роботы используются в разных мастерских для полировки и покраски. С помощью технологии федеративного обучения они смогут обмениваться основными принципами работы, оставаясь независимыми в обработке уникальных форм конкретных изделий.
Разработанный алгоритм уже получил высокую оценку на конференции IROS 2024, где он был назван одной из лучших инноваций года. Его авторы отмечают, что такое признание подчеркивает значимость нового подхода к обучению роботов, который открывает ранее неизведанные горизонты в промышленной робототехнике.
Ранее стало известно о шагающем роботе, который сможет построить телескоп прямо в открытом космосе.
