TossingBot:Lengan Robot yang Dapat Melemparkan 500 Objek/Jam Ke Lokasi Target
- Robot baru belajar mengambil dan melempar objek sembarang ke lokasi tertentu.
- Ini menggunakan pembelajaran mendalam dan fisika proyektil untuk secara akurat dan cepat melemparkan objek dalam pengaturan yang tidak terstruktur.
- Dalam waktu 14 jam waktu pelatihan, akurasi lemparan mencapai 85%, dengan keandalan genggaman 87% dalam kekacauan.
Dalam dekade terakhir, kemajuan signifikan telah dibuat dalam membuat robot lebih pintar untuk melakukan tugas-tugas tertentu secara lebih efisien dan belajar dari pengalaman dunia nyata. Namun, dalam hal keterampilan dasar — seperti menangkap, mengayun, berputar, dan melempar — robot masih jauh tertinggal dari manusia.
Sekarang, para peneliti di Google, MIT, Princeton University, dan Columbia University telah mengembangkan lengan robotik baru yang dapat belajar mengambil dan melempar objek sembarang ke lokasi tertentu. Ini menggunakan metode fisika dan pembelajaran mendalam untuk secara akurat dan cepat melemparkan objek acak dalam pengaturan yang tidak terstruktur.
Mereka menamai robot ini TossingBot. Ini dapat mencapai kecepatan pengambilan hingga dua kali lebih cepat daripada robot sebelumnya, dengan jarak penempatan efektif dua kali lipat.
Tantangan Terlibat
Melempar sesuatu bukanlah tugas yang mudah bagi robot. Ada banyak faktor yang terlibat, mulai dari bagaimana objek dengan bentuk berbeda diambil hingga sifat fisik objek seperti massa, aerodinamika, dan gesekan.
Misalnya, jika Anda mengambil benda yang berat dan panjang dari tepinya dan melemparkannya, benda itu akan mendarat lebih jauh daripada jika Anda mengambilnya dari tengah. Namun, jika Anda memilih benda ringan seperti bola pingpong, Anda akan membutuhkan gaya yang besar (karena hambatan udara) untuk melemparnya pada jarak yang sama.
Secara manual mengembangkan teknik yang secara eksplisit mengontrol semua parameter ini untuk setiap objek arbitrer hampir tidak mungkin. Menerapkan teknik coba-coba juga bukan ide yang baik karena mahal dan memakan waktu.
Menggabungkan Pembelajaran Mendalam Dan Fisika
Meskipun pembelajaran mendalam dapat membantu robot belajar dari pengalaman alih-alih mengandalkan mekanisme kasus per kasus, melempar objek dengan tepat ke posisi targetnya memerlukan pemahaman yang baik tentang fisika proyektil.
Referensi:arXiv:1903.11239 | Blog Google AI
Dengan mengintegrasikan kedua fitur ini, para insinyur memungkinkan TossingBot untuk berlatih dengan cepat dan menggeneralisasi ke skenario baru. Menggunakan beberapa hukum dasar fisika proyektil, robot mengembangkan pengontrol awal, misalnya, menghitung berapa banyak kecepatan lempar yang diperlukan untuk melempar objek tertentu ke posisi target.
Kemudian jaringan saraf memprediksi penyesuaian di atas perhitungan fisika itu, untuk mengimbangi faktor eksternal seperti variabilitas dan kebisingan di dunia nyata. Selain pelatihan, lengan robot mengandalkan GPU NVIDIA Titan untuk merekonstruksi adegan (diambil dengan kamera kedalaman RGB) dalam 3D secara real time dan menggabungkan data 3D saat lengan bergerak.
Dalam 14 jam waktu pelatihan, TossingBot mencapai akurasi lemparan 85%, dengan keandalan menggenggam 87% dalam kekacauan. Ia mampu mengambil dan melempar lebih dari 500 benda sewenang-wenang ke dalam kotak yang ditempatkan di luar jangkauan jangkauan maksimumnya.
Apa Selanjutnya?
Meski hasilnya tampak cukup mengesankan, robot ini memang memiliki kekurangan. Misalnya, menganggap bahwa objek cukup kuat untuk menahan tabrakan pendaratan. Selain itu, ia mengevaluasi variabel kontrol hanya dari informasi visual.
Baca:Sistem AI Baru Ajarkan Robot Belajar Langsung Dari Manusia
Dalam studi berikutnya, para peneliti akan melatih sistem mereka untuk menangkap objek dengan cara yang melindungi pendaratan. Mereka juga berencana untuk mengeksplorasi modalitas penginderaan tambahan (seperti taktil dan torsi paksa) yang memungkinkan lengan robot menyesuaikan kecepatan lemparnya dengan lebih baik.
